买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：西安邮电大学

摘要：本发明公开了一种基于多层注意力融合的小目标检测方法，构建由骨干网络、颈部网络和检测头组成的卷积神经网络，并增设多层注意力融合模块；通过对网络中多层特征提取多尺度的注意力并进行融合，实现跨层的、多尺度的注意力融合方案，进一步增强了网络对小目标的关注程度。本发明提高了模型的性能和预测能力，能够更好地理解输入数据的语义，从而产生更具有针对性和准确性的预测结果。

主权项：1.一种基于多层注意力融合的小目标检测方法，其特征在于，包括以下操作：1）构建由骨干网络、颈部网络和检测头组成的卷积神经网络，并将其与多层注意力融合模块组成模型；其中，骨干网络对输入的图像降维，捕捉到图像中包括纹理特征、边缘特征和色彩特征在内的特征，输出多尺度的特征图；所述多层注意力融合模块，使用空间位置信息跨越多层提取不同尺度的特征图，分别提取注意力权重得到注意力权重特征图，提取出待检测目标的定位信息；然后将这些得到的注意力权重特征图上采样为最大尺寸的注意力权重特征图，再进行最大池化操作实现融合，得到融合注意力权重图；将融合注意力权重图与需要通过注意力的特征图相乘，得到融合了多层注意力的输出特征图；多层注意力融合模块提取注意力权重为：将输入特征图分别沿宽方向和高方向进行平均池化，得到两个一维特征图，将其全连接后经过卷积操作再解连接，分别进行一次卷积操作后再通过sigmod激活函数进行激活，得到注意力权重；将注意力权重作用在输入特征图上得到注意力权重特征图；所述颈部网络采用特征金字塔结构，将来自不同网络深度中提取的不同尺度的特征图、融合了多层注意力的输出特征图进行融合，并将融合结果输出至检测头；所述检测头输出目标检测的结果信息，生成边界框和置信度信息，以确定图像中存在的小目标；2）对模型输入包含小目标的图像数据集进行训练，对小目标进行识别，并对每个目标生成一个边界框进行标注，标注信息包含类别信息、置信度和位置；3）根据生成的边界框评估模型的性能，通过多轮迭代训练对模型进行优化；每一轮迭代中，将训练数据输入模型，并根据生成的边界框与真实标注进行比较，计算损失函数；然后通过反向传播算法，将损失信号从输出层传递回模型，更新模型的参数；重复进行多轮迭代训练，逐渐降低损失函数的值，提高平均精度和召回率，得到优化后的模型；4）利用优化后的模型对图像中的小目标进行检测。

全文数据：

权利要求：

百度查询： 西安邮电大学 一种基于多层注意力融合的小目标检测方法