买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

摘要：一种基于注入语义注意力的目标检测方法及模型，包括：目标数据集预处理；获取多尺度基础特征图和语义特征图；特征融合得到全局特征融合图对全局目标特征融合图进行解码操作得到目标检测结果。本发明通过对输入图像进行基础特征提取和语义特征提取，可以更准确地提取图像中的局部和语义特征；利用多尺度特征金字塔，能够同时考虑不同尺度的特征，有助于检测不同大小的目标；通过编码器和解码器的残差连接，可以更好地利用不同尺度的语义信息，提高特征的表达能力；混合注意力机制能够同时关注特征图中的通道和空间信息，进一步提升特征的利用效率；对检测结果进行非极大值抑制处理，提高了检测结果的准确度。

主权项：1.一种基于注入语义注意力的目标检测方法，其特征在于，包括以下步骤：步骤1.目标数据集预处理获取目标数据集，并对数据集中的图像进行缩放和图像增强处理，以得到目标检测数据集；步骤2.获取多尺度基础特征图和语义特征图将目标检测数据集中的待检测图像经过不同尺度的特征提取，得到第一至第五尺度基础特征图，选取深层第一至第三尺度基础特征图，经过额外卷积层处理后，得到多尺度目标基础特征图；同时将目标检测数据集中的待检测图像通过位置感知掩码注意力模块和卷积层的共同处理，得到第一至第三尺度的目标语义特征图；步骤3.特征融合得到全局特征融合图将多尺度目标基础特征图与目标语义特征图通过注入注意力机制进行特征融合处理得到特征融合图，特征融合图经过卷积、批归一化处理，得到全局目标特征融合图；所述注入注意力机制为：Zi,cx＝Conv{1+Si,cx*Fi,cx}式中，Zi,cx是全局目标特征融合图，i是特征空间位置，c是特征通道的索引，Sx是语义信息特征的注意力信息，取值范围为[0,1]，Fi,cx是多尺度基础特征图，x是特征，Conv{}是卷积处理；步骤4.对全局目标特征融合图进行解码操作得到目标检测结果对全局目标特征融合图进行解码操作，将全局目标特征融合图的边界框坐标映射回原始图像尺度，并通过损失函数调整边界框位置，得到调整后的目标特征图；通过置信度损失和分类损失确定边界框中的物体种类和置信度，得到初步的检测结果；对检测结果进行非极大值抑制处理，去除冗余的边界框，最终得到目标检测结果。

全文数据：

权利要求：

百度查询： 陕西师范大学 基于注入语义注意力的目标检测方法及模型