[发明专利]基于注意力机制的目标内特征检测系统、方法和存储介质

权利要求书

1.一种基于注意力机制的目标内特征检测方法，其特征在于，方法包括以下步骤：

步骤S1、样本准备：获取训练图像，标注图像全局属性标签、图像特征位置及对应的分类标签；

步骤S2、注意力图训练：注意力模块使用训练图像以及特征位置信息，生成注意力图标签信息，并利用注意力图标签信息及图像全局属性标签监督注意力模块训练；步骤S2中的注意力图标签信息的生成方法包括以下步骤：

S21、计算标签每类特征的均值图像，表示为：

S22、根据样本均值图像计算样本差异图重心(x_c,y_c)；

S23、根据差异图重心(x_c,y_c)生成注意力图G(x,y)；

步骤S3、检测网络训练：固定注意力模块及语义提取模块参数，使用图像特征位置、图像特征标签监督检测网络训练，并使用注意力图生成锚框，将注意力模块引入检测框架；具体的，步骤S3中锚框的生成方法为：

S31、生成候选锚框，以注意力图中的每个位置为锚点，并以锚点为中心生成不同尺度的矩形框，作为候选框；每个坐标为(i,j)处的锚点对应的多个候选框中的第k个候选框Bbox_i,j,k为：

Bbox_i,j,k＝{l_i,j,k,t_i,j,k,w_i,j,k,h_i,j,k}；

式中，l_i,j,k、t_i,j,k、w_i,j,k、h_i,j,k分别为候选框左上角横坐标、左上角纵坐标、候选框宽度及候选框框高度；

S32、计算每个候选框的置信度C_i,j,k：

式中，f为注意力图中锚框区域内各对应点的值；

S33、根据候选框的置信度，对候选框进行过滤得到最终的候选框集合Bboxes：

Bboxes＝{C_i,j,k≥T}；

式中，T为置信度过滤阈值；

步骤S4、全局网络调优，根据训练，获得优化的网络框架；

步骤S5、针对新的检测目标，通过光学系统获取图像或视频，导入优化后的网络框架，实现目标定位、分析和检测。

2.根据权利要求1所述的检测方法，其特征在于：样本差异图重心(x_c,y_c)的计算公式为：

式中，为样本均值图像对应坐标(i,j)处的像素值，p_i,j为特征图像(i,j)处的坐标值。

3.根据权利要求2所述的检测方法，其特征在于：注意力图G(x,y)的计算公式为：

式中，x、y表示像素在注意力图中的坐标，x_s、x_e、y_s、y_e分别表示目标特征在图像中横轴、纵轴方向的起始、终止位置。

4.一种基于注意力机制的目标内特征检测系统，其特征在于：系统包括语义抽取模块、注意力模块、和检测模块组成，并通过权利要求3所述的检测方法进行检测，其中：

所述语义抽取模块包括多层深度卷积网络，负责从输入图像抽取高层语义信息，并将抽取的高层语义信息分享给所述注意力模块和检测模块；

所述注意力模块包括分类子模块和注意力子模块；其中，所述分类子模块的每个属性分支包括多个卷积层、全局池化层、全局连接层和softmax层，负责对目标进行全局属性分类并监督注意力子模块的训练；其中，所述注意力子模块包括多个卷积层和反卷积层，负责构建注意力图；

所述检测模块包括锚框过滤层、目标检测层和解析层，所述锚框过滤层将接收的所述注意力模块的结果进行数据过滤并发送给目标检测层和解析层进行检测分析，输出检测结果。

5.一种计算机可读存储介质，其上存储有计算机指令，其特征在于：所述计算机指令运行时执行权利要求1-3任一项所述的方法。