CN116721398B 一种基于跨阶段路由注意力模块和残差信息融合模块的Yolov5目标检测方法 （长沙理工大学）

一种基于跨阶段路由注意力模块和残差信本发明公开了一种基于跨阶段路由注意力模块和残差信息融合模块的Yolov5目标检测方融合多尺度特征信息和增强对交通标志这类小2在Yolov5网络中，将骨干网络中的第6层和第8层的C3模块都颈部网络中，通过骨干网络得到i代表骨干网络中提取f3分别对应于输入信号P5～P2，其中Ci∈{1024,5i代表经过多级信息融合模块后的输出的结果，其经过多尺度特征融合网络的i＝2,3解耦头中，使用了颈部网络中相对更浅的P2和P3层对应的特征图的两2.根据权利要求1所述的基于跨阶段路由注意力模块和残差信息融合模块的Yolov5目rWV然后将Qr与Kr进行相乘操作计算最相关的相似度得到A'eS为，将得到的相3其中然后将得到Kg和Vg与原始的Q进行自注意力计算，同时将得到的Vr通过深度可分离卷积与自注意力的结果3.根据权利要求1所述的基于跨阶段路由注意力模块和残差信息融合模块的Yolov5目4.根据权利要求1所述的基于跨阶段路由注意力模块和残差信息融合模块的Yolov5目ResBlock(X)＝SiLU(Conv(X)+Co5.根据权利要求1所述的基于跨阶段路由注意力模块和残差信息融合模块的Yolov5目双分支预测解耦中的预测头接受到特征向量，预测出类别、置信度、4其中ρ2(b,bgt)表示预测框中心点与真实框中gt6.根据权利要求1所述的基于跨阶段路由注意力模块和残差信息融合模块的Yolov5目7.一种基于跨阶段路由注意力模块和残差信息所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用够执行如权利要求1至6任一项所述的基于跨阶段路由注意力模块和残差信息融合模块的8.一种非暂态计算机可读存储介质，其特征在于，段路由注意力模块和残差信息融合模块的Yolov5目5[0003]在当前CNN卷积神经网络等深度学习发展技术中，基于深度学习的目标检测模型[0004]深度学习中Attention注意力机制是一种类人类视觉神经网络的一种方法，人类6[0010]本发明提供了一种基于跨阶段路由注意力模块和残差信息融合模块的Yolov5目i＝1,4i＝2,3i＝67将其分别进行双分支预测解耦输出作为最终的令能够执行如上述任一项所述的基于跨阶段路由注意力模块和残差信息融合模块的任一项所述的基于跨阶段路由注意力模块和残差信息融合模块的Yolov5[0031](1)本发明的技术方案是基于Yolov5网络模型做的改进，本发明提出基于跨阶段路由注意力模块(CSB模块)和基于MRI模块的多尺度残差信息融合的Yolov5目标检测方法。合使本发明的检测器能获取更好的小目标检[0034]图2是本发明中基于跨阶段路由注意力模块和残差信息融合模块的Yolov5目标检8络结构在现有技术中的YOLOV5网络基础上进行了改进，相对于图1现有技术中原有的YOLOV5的网络，本发明主要采取的方案主要分为三个部分的改进内容,在骨干网络中最后几层中的两层选择添加了基于小目标的CSB结构(即跨阶段路由注意力模块)，以替换原有本发明在网络最后预测部分只使用了两个浅层的解耦检测头用于替代了Yolo原始的解耦[0042]参见图2所示，本发明新的基于跨阶段路由模块和残差信息融合模块的Yolov5目[0046]具体的，本发明的CSB模块另一部分通道中的注意力机制既可以为现有技术中的具备快速关注最相关的区域和具备高并行性明将特征图划分为P×P块相互不重叠的区域，然后将这些区域按照空间维度展平，得到9个特征向量，然后将得到的特征向量输入通过线性映射推导出[0052]然后将Qr与Kr进行相乘操作计算最相关的相似度得到A'eRexp",S为，将得到[0059]由此可知，本发明改进的注意力模块BRA对原双层路由注意力模块的注意力结构进行了一定程度的修改，且删除了最后一个阶段的深度可分离卷积和与自注意力的残差，明的设计跨阶段路由注意力模块CSB的最终目的是为了让模型在深层特征图中关注特征图多尺度特征融合，使用融合不同大小的多级特征图能够增加特征的语义信息与位置信息，[0062]对此，本发明设计了一种新颖的多尺度双向特征融合网[0063]参见图6可知，通过骨干网络得到i代表骨干网络0i＝1,4i＝2,3i＝6[0074]其中，ResBlock是残差块函数，Concat是连接块函数，Cogt两个浅层的检测头作为最终的预测结果。此外，还可在双分支预测解耦中使用了Focal息融合模块的Yolov5目标检测方法的性能，本发明提出的改进方法在TT_100K，CCTSDB，mAP65.629.493.159.294.461.391.365.379.961.392.467.391.866.794.066.993.266.4_96.773.0mAP25.7M56.5849.2028.3M57.7832.4M61.3533.2M60.0159.6561.5M82.4045.0M83.2046.5M84.6051.2M_86.1与其它的跟踪器对比的详细数据。由上表1_3可知，本发明的方法在TT_100K、CCTSDB和法可以转换为软件程序指令，既可以使