[发明专利]一种基于注意力机制的改进YOLOv3目标检测方法

权利要求书

1.一种基于注意力机制的改进YOLOv3目标检测方法，其特征在于，包括如下步骤：

S1：针对一张原始图像，对其进行预处理，并归一化为416×416×3，得到训练样本；

S2：修改Darknet-53的网络结构，在每个残差层Basic Block模块中均引入自适应卷积核大小的注意力机制；

S3：在Darknet-53顶部引入空间金字塔池化模块SPP，以增加特征提取网络的感受野；

S4：用改进后的Darknet-53网络提取图像特征，并从网络的不同深度引出三个尺度的特征图(feature map)至特征融合支路；

S5：在三条特征融合支路中引入通道注意力机制，为通道分配权重，充分提取通道的有效特征信息；

S6：最后在三条支路上分别预测，得到多尺度目标检测结果。

2.根据权利要求1所述的一种基于注意力机制的改进YOLOv3目标检测方法，其特征在于，所述步骤S1中，预处理方式包括随机旋转、水平翻转和标准化处理。

3.根据权利要求1所述的一种基于注意力机制的改进YOLOv3目标检测方法，其特征在于，所述步骤S2中，在残差层Basic Block模块中引入自适应卷积核大小的注意力机制的方法为：

S21：在第一个卷积核大小为1×1的卷积层后插入自适应卷积核大小的卷积模块Selective Kernel Networks(SKNet)；

S22：将原先第二个卷积层的卷积核大小由3×3修改为1×1。

4.根据权利要求1所述的一种基于注意力机制的改进YOLOv3目标检测方法，其特征在于，所述步骤S3中，在Darknet-53顶部引入空间金字塔池化模块SPP的方法为：

S31：从Darknet-53最后一个基本卷积模块的输出引出4条支路；

S32：第一、第二、第三条支路分别通过最大池化层a₁、a₂、a₃，a₁的核大小为5，步长为1，a₂的核大小为9，步长为1，a₃的核大小为13，步长为1，最后一条支路保留原输出特征；

S33：将4条支路的输出在通道维度上进行拼接，得到一个新的特征图(feature map)；

S34：将新得到的特征图最后通过一个卷积层，得到原特征的通道数。

5.根据权利要求1所述的一种基于注意力机制的改进YOLOv3目标检测方法，其特征在于，所述步骤S5中，在特征融合支路中引入通道注意力机制的方法为：

选择8倍降采样和16倍降采样两条支路，在上采样层Upsample和这两条支路输出的特征图按通道维度拼接融合后，插入一个通道注意力机制模块Squeeze-and-ExcitationNetworks(SENet)。