CN115063573B 一种基于注意力机制的多尺度目标检测方法 （湖北工业大学）_第1页
CN115063573B 一种基于注意力机制的多尺度目标检测方法 （湖北工业大学）_第2页
CN115063573B 一种基于注意力机制的多尺度目标检测方法 （湖北工业大学）_第3页
CN115063573B 一种基于注意力机制的多尺度目标检测方法 （湖北工业大学）_第4页
CN115063573B 一种基于注意力机制的多尺度目标检测方法 （湖北工业大学）_第5页
已阅读5页，还剩24页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

一种基于注意力机制的多尺度目标检测方法本发明公开一种基于注意力机制的多尺度Attention注意力机制，有效的提高对于特征图2在主干网络CSPdarknet53的第一层结构中引入CoordinateAttention注意力机制模核，分别在水平坐标和竖直坐标方向对每个通道进行编码，得到特征和z:"(h)'w表示在宽这个维度上的输出特征；然后沿着空间维数将f分解为2个单独的张hw表示水平方在垂直方向使用进行卷积变函数F，σ是sigmoid激活函数，对于分解的两个空间方向的张表示在垂直方向第c个通道的注意力权重，g()表示在水平方向第c个通道的注意力在RP-PANet特征融合模块中引入pyconv卷积模块，即多尺度卷积操作，3在RP-PANet特征融合模块中引入Reslayer结构，对于输入的特数据集中的每幅图像经过改进后的CSPdarknet53主干网络进行特征提取后，输4所述第三输出特征层先经过3次卷积，然后经过SPP模块进行池化操作，再经过3次卷56[0004]本发明针对现有技术的不足，提供一种基于注意力机制的多尺度目标检测方特征的空间位置信息，对更感兴趣的对象进行特征提取，提高模型对空间特征提取能力。7核，分别在水平坐标和竖直坐标方向对每个通道进行编码，得到特征:00)和:0):hw表示水89通道数后的特征层，再进行多尺度卷积操作对特征层进行特征融合，再与X2一起进入一起进入Concat2，Concat2操作对特征融合后的X23’和X1特征层进行通道数整合，经过[0067]步骤1：图像的获取：基于使用的数据集，提取对应的图片，将提取的图片按照[0072]步骤3.1：在主干网络CSPdarknet53的第一层结构中引入Co注意力机制模块，如图2所示，CoordAttention注意力机制分为两个阶段：第一阶段为hw提供的多尺度卷积核为kn是指卷积核的大小；每个卷积核对应的深度为CSPdarknet53的输出26×26×512的特征图进行Concat操作后进行五次卷积操作，另一条输出26×26×512的特征图与SPP输出进过上采样后的特征图进行特征融合后也有两条路径，一条是继续上采样与CSPdarknet53的输出52×52×256的特征图进行Concat操作以及图进行特征融合前向传播将特征图输出到头部以及继续下采样与SPP结构输出的特征图进行Concat操作以及五次卷积后将特征图输出到头部。CSPdarknet53的输出52×52×256的特征图与上采样后的CSPdarknet53的输出26×26×512的特征图进行Concat操作以及五次卷积操作后也有两条路径，一条路径是下采样与26×26×512的特征图前向传播的特征图通道数后的特征层，再进行多尺度卷积操作对特征层进行特征融合，再与X2一起进入起进入Concat2，Concat2操作对特征融合后的X23’和X1特征层进行通道数整合，经过域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论