[发明专利]一种基于注意力机制和对比学习损失函数的目标检测方法

权利要求书

1.一种基于注意力机制和对比学习损失函数的目标检测方法，其特征在于，该方法包括以下步骤：

步骤1、对数据集images中的原图像进行增广，对原图像逐一分别进行逆时针旋转0度、90度、180度、270度的旋转操作，对应生成四种不同旋转角度的视图，每四张同源图像为一组，其中，旋转0度的图像构成原图像数据集，其他旋转角度的图像构成旋转图片数据集rotation images，转入步骤2；

步骤2、构建初始ECODT在线网络，初始ECODT在线网络包括TEB、TEN和TEH，TEB提取图像的不同尺度特征，TEN对图像特征进行对齐和融合，TEH对预测网络进行解耦并进行预测，以同样的方式构建初始ECODT目标网络，转入步骤3；

步骤3、定义初始ECODT在线网络的更新方式是总损失梯度反向传播，通过这种方式得到训练后ECODT在线网络，定义初始ECODT目标网络的更新方式是EMA方式，通过这种方式得到训练后ECODT目标网络，转入步骤4；

步骤4、将原图像数据集输入初始ECODT目标网络，将旋转图像数据集输入初始ECODT目标网络，两种网络最终都会输出四种高级语义特征，分别是类别特征、特征点坐标、类别Logits以及边界框，对两种网络输出的类别特征、特征点坐标分别进行对齐操作，得到目标对比组，以便计算对比损失，转入步骤5；

步骤5、对类别特征采用有监督对比学习的方式进行约束，使得同类目标的特征差异最小化，计算有监督类别对比损失；对特征点坐标进行对齐，再使同一个目标在不同视图下的位置满足旋转仿射变换关系，进而计算出MSE损失；计算类别Logits的Focal Loss；计算边界框的GIOU损失，转入步骤6；

步骤6、对有监督类别对比损失、MSE损失、Focal Loss和GIOU损失进行加权求和，计算总损失值L，转入步骤7；

步骤7、在训练阶段，对初始ECODT在线网络进行梯度反向传播，更新初始ECODT在线网络的网络参数，得到训练后ECODT在线网络；取在验证集上得分最高的在线网络作为最终ECODT在线网络，在检测阶段，在最终ECODT在线网络中输入检测图像，得到类别Logits和边界框，利用类别Logits对边界框进行非极大值抑制，简称NMS，获取最终的预测结果，完成检测。