[发明专利]一种基于OSA块的轻量级目标检测网络及检测方法

权利要求书

1.一种基于OSA块的轻量级目标检测网络,由backbone，neck和head三部分构成，其特征在于：

所述backbone部分的作用是降低原始图像的尺度并将原始图像从低阶特征转换成高阶特征；

所述neck部分对高阶特征进行一系列融合以进一步增强高阶特征的特征表现力；

所述head部分负责使用增强后的特征进行目标位置和类别的预测。

2.根据权利要求1所述的一种基于OSA块的轻量级目标检测网络的检测方法，其特征在于：所述backbone部分由Focus层和4个OSA块串联组成，Focus层直接接收经过预处理的图像，将尺寸大小为n×n×3的图像经过拆分及合并，生成全新的尺寸大小为(n/2)×(n/2)×12的低阶特征图，该特征图随后依次通过串联的数个OSA块，每一个OSA块输出的特征图的宽高均为输入特征图的1/2，每个OSA块内包含相同数量的卷积层，且同一个OSA块的卷积层具有相同的超参数，backbone内所有卷积层的输出都经过批量标准化和mish函数激活。

3.根据权利要求2所述的一种基于OSA块的轻量级目标检测网络的检测方法，其特征在于：所述neck部分接收backbone中各OSA块输出的特征图，依次将后一个OSA块的输出特征图通过CBL块和上采样层将其宽高调整至原来的2倍后与前一个OSA块的输出特征图按通道拼接融合，构成FPN，随后从各种尺度的增强特征图中选择其中一种或数种输出到最后的head部分。

4.根据权利要求2所述的一种基于OSA块的轻量级目标检测网络的检测方法，其特征在于：所述head部分对于输入的各种尺度的增强特征图，使用相互独立的CBL块和通道注意力机为增强特征图的每一个通道分配不同的权重，从而保留有效通道对后续检测的主导作用以及制降低冗余通道造成的负面影响，后续衔接三个并行的核大小为1x1的卷积层，分别预测目标类别的置信度，中心位置偏移和宽高，由于head部分会对特征图上的每一个点预测一个目标矩形框，在检测方法的最后需要使用过滤器过滤掉大量的冗余框，仅保留对目标的位置和类别预测最精确的矩形框。

5.根据权利要求2所述的一种基于OSA块的轻量级目标检测网络的检测方法，其特征在于：所述neck部分中的上采样操作可以使用近邻插值，双线性插值或反卷积层。

6.根据权利要求2所述的一种基于OSA块的轻量级目标检测网络及检测方法，其特征在于：所述neck部分不做任何特征融合，直接将最后一个OSA块的输出特征图输入到head部分。

7.根据权利要求2所述的一种基于OSA块的轻量级目标检测网络及检测方法，其特征在于：所述neck部分融合指定的OSA块的输出特征，并将最终融合得到特征图其输入到head部分。

8.根据权利要求2所述的一种基于OSA块的轻量级目标检测网络及检测方法，其特征在于：所述neck部分融合指定的OSA块的输出特征，并将每一次融合得到的特征图输入到head部分。

9.根据权利要求2所述的一种基于OSA块的轻量级目标检测网络及检测方法，其特征在于：所述head部分用于预测目标中心位置偏移和宽高的两个卷积层用一个输出通道为4的卷积层替代。

10.根据权利要求2所述的一种基于OSA块的轻量级目标检测网络及检测方法，其特征在于：对于仅有一种尺寸的特征图输入到head部分进行预测，使用最大池化层结合置信度阈值作为过滤器过滤预测得到的冗余框；对于有多种尺寸的特征图输入到head部分进行预测，使用非极大值抑制或soft-nms，diou-nms等改进的非极大值抑制方法结合置信度阈值作为过滤器过滤预测得到的冗余框。