[发明专利]一种基于SSA锐化注意机制的目标检测方法

权利要求书

1.一种基于SSA锐化注意机制的目标检测方法，其特征在于，该方法具体包括以下步骤：

步骤(1)：输入图片，使用一阶段轻量级神经网络作为基础检测网络；

步骤(2)：将SSA空间锐化模块和SE、ECA通道注意力模块相结合，并分成两种注意力模块：通道注意模块和混合注意模块；通道注意力模块嵌入到一阶段轻量级神经网络的骨架网络的所有大型残差块后和类FPN结构中；通道注意力模块串联SSA空间锐化模块并嵌入到一阶段轻量级神经网络输出部分的节点，若神经网络包括下采样结构，则嵌入到下采样节点前；

其中I_C表示原C×W×H维度的特征图通过SE或ECA模块后与原特征图在通道维度上逐一相乘输出的特征图；I_S表示原C×W×H维度的特征图通过SSA模块与原特征图在空间维度上逐一相乘输出的特征图；I_S作用是从空间维度加强被检测物体的边缘信息；I_SC是串联使用I_C和I_S后输出特征图；I_C、I_S、I_SC与原特征图I的维度一致；

M_SE、M_ECA、M_SSA分别表示原特征图经过SE、ECA和SSA模块后的信息特征图，其中M_SSA的计算过程具体如下：

步骤(2-1)假定卷积神经网络中某中间特征图I的维度为C×W×H，表示通道数×特征图宽度×特征图高度，以此特征图作为输入；使用最大池化和平均池化操作分别得到1×W×H维度的特征图，然后把两张特征图拼接在一起，形成2×W×H维度的空间信息特征图；

M₁(I)＝[Maxpool(I)；Avgpool(I)] (2)

其中M₁(I)表示经过特征提取后的空间信息特征图，Maxpool和Avgpool分别表示最大池化操作和平均池化操作，I是输入的某中间特征图；

步骤(2-2)使2×W×H维度的空间信息特征图通过一个自定义卷积核的锐化卷积层，其自定义卷积核使用一种锐化滤波模板或是边缘检测滤波模板，但边缘检测模板需将边缘检测层输出的特征图添加到原2×W×H维度的空间信息特征图上，锐化滤波模板则是直接输出锐化后的空间信息特征图；两种方式的输出维度都是2×W×H，都需选择一种边缘检测算子；

其中M₂(I)表示经过锐化卷积层后的空间信息特征图，f_sh和f_ed分别表示锐化卷积和边缘检测卷积，n表示自定义卷积核的尺寸；

步骤(2-3)使锐化处理后的2×W×H维度的空间信息特征图通过一个维度为1×2×1×1的自适应卷积层，表示通过一个通道数为2的尺寸为1×1的自适应卷积核，将维度限制到1×W×H；

其中M₃(I)表示经过自适应卷积层后的空间信息特征图，W_1×1表示自适应卷积层；

步骤(2-4)使维度1×W×H的空间信息特征图通过Sigmoid激活函数限制输出的界限；

其中M₄(I)表示模块最终的输出特征图M_SSA，σ即表示Sigmoid激活函数；

步骤(3)：在嵌入SSA空间锐化模块和SE、ECA通道注意力模块后的神经网络中进行目标的分类和回归，利用损失函数对神经网络中的参数进行更新，训练出最终的权重，在检测时调用权重，输出目标预测框，目标类别和目标置信度。

2.根据权利要求1所述的一种基于SSA锐化注意机制的目标检测方法，其特征在于：所述的一阶段轻量级神经网络为YOLOv5s或YOLOv3-tiny。

3.根据权利要求1所述的一种基于SSA锐化注意机制的目标检测方法，其特征在于：所述的图片来自目标检测领域常用的VOC2012或COCO2017数据集。