[发明专利]基于权重共享的多尺度自注意力目标检测方法

说明书

本发明提供一种基于权重共享的多尺度自注意力目标检测方法。该方法由一个权重共享的多尺度卷积网络和一个视觉自注意力模块构成。此方法在一定程度上能够兼顾多尺度、注意力机制、细粒度特征提取以及模型轻量化，创新性的在多尺度卷积网络中融入残差块与膨胀卷积技术，在保证模型轻量化的同时又具备深度提取特征的能力；在多尺度卷积网络中引入视觉注意力机制，使网络能更多的注意图像中的重点区域，节约计算资源。本发明方法适应性广，鲁棒性强，可用于多种目标检测任务。通过将该方法在知名数据集上的进行实验，实验结果表明该方法在保证模型轻量化的同时具有较高的准确率，取得了73.6的平均准确率，证明了其有效性。

技术领域

本发明涉及深度学习中的计算机视觉领域，特别涉及在需要识别图中不同尺寸目标的复杂情况下提取细粒度特征的方法，具体为一种基于权重共享的多尺度自注意力目标检测网络。

背景技术

目标检测一直是计算机视觉领域的研究热点，它可以应用在许多领域中。随着计算机视觉领域的不断发展，对目标检测的要求也越来越高。传统的目标检测网络使用单一的卷积神经网络模型进行特征提取，如今这些方法仍然被广泛使用。对图片进行图片特征提取是为了得到图片中的信息特征，从而将图像中的像素点分为不同的点、曲线或者连续的区域等类别，最终通过神经网络输出该像素对应的特征类别。因此特征提取本质上是来检查每个像素以及确定改像素是否代表为一个特征。除此之外，特征提取的“可重复性”使得网路能够根据某一共同图像特征识别不同的物体。经过计算机图像领域的长期发展，产生了大量的特征提取方法。在目标检测任务中，使用模型进行特征提取是第一步，它的好坏直接影响着后续的步骤

在传统算法下，这种特征提取分类模型通常存在一个统一的问题，仅适用于一种情况。然而，在现实世界中，图片中包含复杂的背景以及不同尺寸的目标是经常出现的情况。这种情况下，使用单一的卷积神经网络往往难以很好地区分出背景，达到细粒度的检测要求。一些深度较大的神经网络虽然可以更好的提取细粒度特征，但是网络深度的增加也会导致参数增多，大量的卷积过程还造成特征信息的丢失以及梯度消失现象，从而影响模型性能。此外，单一的神经网络模型对于不同尺寸的目标不敏感，而且无差别的对图像进行特征提取也会造成资源的浪费，这些因素都会影响后续的模型识别效果。

而随着深度学习在图像特征提取上的不断应用，使得神经网络不论是图像特征提取精度上还是在速度上都有了明显的提升。而图像特征提取的成功与否，主要体现在解决实际问题时的效率以及准确率等因素上。因此在评价图像特征提取时常采用图像分类或检测等手法，由于图像特征提取是图像分类、检测方法的首要任务，所以图像特征提取是分类以及检测任务准确率的基础。

对于上述的这些问题，学者们研究出了一系列方法解决。深度残差网络ResNet通过残差网络结构较好的解决了由于网络深度加大造成的梯度弥散以及消失的问题。通过引入更多不同尺寸的检测分支，增加网络可适应的输入图像，这些检测分支可以并行的执行多个卷积运算或池化操作，在减少时间消耗的同时，也获得更加全面的信息和图像表征。采用权重共享机制，以降低降低网络中参数的冗余度针对不同尺寸的目标，设计了多尺度目标检测方法；为了让模型更多的关注关键区域，提出了注意力机制等。然而，在目标检测领域，很少有方法能够兼顾多尺度目标检测、注意力机制、细粒度特征提取以及模型轻量化这些方面。

发明内容

为了解决上述问题，本发明提供一种基于权重共享的多尺度自注意力目标检测方法，可以关注图像中的重点区域并提取出细粒度特征，检测不同尺寸的目标，且具有模型轻量化的特点。