[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

说明书

本发明提供了一种基于注意力机制的目标内特征检测系统、方法和存储介质，智能安防领域，系统包括语义抽取模块、注意力图模块、和检测模块组成，分类子模块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；注意力子模块负责构建注意力图；检测模块包括锚框过滤层、目标检测层和解析层，锚框过滤层将接收的所述注意力图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。本发明采用基于深度卷积网络的多任务学习方法，并引入注意力学习，以及单尺度检测的机制，对目标内特征进行检测定位，对目标全局属性进行分类识别，解决了传统方案训练阶段样本分布不均衡、多锚框和多尺度导致算力需求高的问题，提高了检测效率和精度。

技术领域

本发明涉及智能安防领域，具体涉及一种基于注意力机制的目标内特征检测系统、方法和存储介质。

背景技术

目标检测是机器视觉的研究热点之一，而目标内特征检测是指，对目标内组件定位，以进一步分析视频、图像中的目标的结构化信息的技术。目标内特征检测是视频/图像结构化解析的重要技术之一，如车辆结构化任务中，需对车辆目标中的车脸、车窗、车灯、车标、行李架等特征进行定位，并做进一步分析。

现阶段目标内特征检测，主要借助于SSD、YOLO等通用场景检测方法，其不足如下:

1.目标内特征检测通常从固定类型目标内定位多个特征位置，现有通用检测框架未考虑目标属性对目标内特征检测的指导性。

2.使用现有通用检测框架，需要构建多尺度的图像金字塔或特征金字塔，耗时较久，不利于边缘设备部署。

3.现有检测框架，借助深度卷积网络强大的拟合能力，使用同一特征图对目标进行检测框回归和分类，不利于性能的提升。

4.现有检测框架的锚框选取方式，会生成大量的负样本，导致训练阶段样本不均衡问题，分类困难。

发明内容

为了克服现有技术的不足，本发明的目的在于提供一种基于注意力机制的目标内特征检测系统、方法和存储介质，其能解决上述问题。

一种基于注意力机制的目标内特征检测系统，系统包括语义抽取模块、注意力模块、和检测模块组成，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。

本发明还提供了一种基于注意力机制的目标内特征检测方法，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；

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。

本发明还提供了一种计算机可读存储介质，其上存储有计算机指令，所述计算机指令运行时执行前述的方法。