(19)国家知识产权局
(12)发明 专利申请
(10)申请公布号
(43)申请公布日
(21)申请 号 202210428276.4
(22)申请日 2022.04.22
(71)申请人 山东大学
地址 250061 山东省济南市历下区经十路
17923号
(72)发明人 李传奇 任英杰 纪超 王倩雯
王薇 葛召华
(74)专利代理 机构 济南圣达知识产权代理有限
公司 372 21
专利代理师 闫伟姣
(51)Int.Cl.
G06K 9/62(2022.01)
G06N 3/04(2006.01)
G06N 3/08(2006.01)
G06V 10/80(2022.01)G06V 10/762(2022.01)
G06V 10/82(2022.01)
(54)发明名称
一种融合注意力机制的漂浮物目标检测方
法及系统
(57)摘要
本发明属于机器视觉技术领域, 提供了一种
融合注意力机制的漂浮物目标检测方法及系统,
本发明在YOLOv 4‑tiny模型中, 以CSPDarknet53 ‑
tiny作为特征提取网络, 在特征金字塔结构中嵌
入卷积注 意力模块, 提高了网络对通道域和空间
域的关注, 增强了待检目标特征, 抑制了背景特
征, 实现了漂浮物目标检测模型实时性和检测精
度的要求; 同时, 在K均值聚类算法中, 采用聚类
中心的边界框与周围目标边界框面积的交并比
作为准则函数, 基于改进的K均值聚类算法聚类
分析漂浮物尺 寸信息, 重新生 成更为精准的先验
框对目标进行定位, 提升 了检测精度。
权利要求书1页 说明书7页 附图2页
CN 114781514 A
2022.07.22
CN 114781514 A
1.融合注意力机制的漂浮物目标检测方法, 其特 征在于, 包括:
获取水流环境的图像信息;
依据所述图像信息, 以及预设的漂浮物目标检测模型, 得到漂浮物检测结果;
其中, 所述漂浮物目标检测模型由YOLOv4 ‑tiny模型训练得到, 所述YOLOv4 ‑tiny模型
中, 以CSPDarknet53 ‑tiny作为特征提取网络, 在特征金字塔结构中嵌入卷积注意力模块;
同时, 使用K均值聚类算法聚类 分析漂浮物尺 寸信息, 所述K均值聚类算法中, 以面积交并比
作为准则函数。
2.如权利要求1所述的融合注意力 机制的漂浮物目标检测方法, 其特征在于, 训练所述
漂浮物目标检测模型时, 获取训练用样本图像信息后, 对样本图像信息进 行标注, 通过空间
变换和色域变换对标注后的样本图像进行 数据增广。
3.如权利要求1所述的融合注意力机制的漂浮物目标检测方法, 其特征在于, 所述
YOLOv4‑tiny模型包括骨架网络、 颈 部结构和预测端。
4.如权利要求1所述的融合注意力 机制的漂浮物目标检测方法, 其特征在于, 所述卷积
注意力模块包括通道注意力模块和空间注意力模块, 所述卷积注意力模块沿着通道和空间
两个独立的维度依次推断注意力图, 将注意力图和输入特征图相乘实现自适应地特征优
化。
5.如权利要求4所述的融合注意力 机制的漂浮物目标检测方法, 其特征在于, 所述通道
注意力模块通过探索输入特征的通道关系突出关键通道, 抑制其余通道; 对于输入特征, 所
述通道注意力模块分别进 行全局最大池化和全局平均池化, 池化结果输入共享权值的多层
感知机进行处 理, 处理结果相加后取归一 化获得每 个通道的通道 注意力权 重。
6.如权利要求4所述的融合注意力 机制的漂浮物目标检测方法, 其特征在于, 所述空间
注意力模块利用特征 的空间关系生成空间注意图, 突出包含重要信息的像素点; 对于经过
所述通道注意力处理过的输入特征, 在每个特征点的通道上取最大值和平均值后进行堆
叠, 然后利用卷积 操作调整通道数, 最后取归一 化获得每 个特征点的空间注意力权 重。
7.如权利要求4所述的融合注意力机制的漂浮物目标检测方法, 其特征在于, K均值聚
类算法中, 采用聚类中心的边界框与周围目标边界框面积的交并比作为 准则函数。
8.融合注意力机制的漂浮物目标检测系统, 其特 征在于, 包括:
数据采集模块, 被 配置为: 获取 水流环境的图像信息;
检测模块, 被配置为: 依据所述图像信息, 以及预设的漂浮物目标检测模型, 得到漂浮
物检测结果;
其中, 所述漂浮物目标检测模型由YOLOv4 ‑tiny模型训练得到, 所述YOLOv4 ‑tiny模型
中, 以CSPDarknet53 ‑tiny作为特征提取网络, 在特征金字塔结构中嵌入卷积注意力模块;
同时, 使用K均值聚类算法聚类 分析漂浮物尺 寸信息, 所述K均值聚类算法中, 以面积交并比
作为准则函数。
9.一种计算机可读存储介质, 其上存储有计算机程序, 其特征在于, 该程序被处理器执
行时实现了如权利要求1 ‑7任一项所述的融合注意力机制的漂浮物目标检测方法的步骤。
10.一种电子设备, 包括存储器、 处理器及存储在存储器上并可在处理器上运行的计算
机程序, 其特征在于, 所述处理器执行所述程序时实现了如权利要求 1‑7任一项所述的融合
注意力机制的漂浮物目标检测方法的步骤。权 利 要 求 书 1/1 页
2
CN 114781514 A
2一种融合注意力机制的漂浮 物目标检测方法及系统
技术领域
[0001]本发明属于机器视觉技术领域, 尤其涉及 一种融合注意力机制的漂浮物目标检测
方法及系统。
背景技术
[0002]水利工程普遍存在漂浮物问题, 漂浮物的聚集妨碍水利工程的正常运营; 漂浮物
的腐烂造成覆盖水体氮磷水平和污染物浓度明显提高, 严重影响水质。 目前普遍应用的清
漂手段依旧是依赖于人工识别, 这种识别方式不仅耗费大量的人力物力, 而且存在识别范
围小、 识别滞后等诸多局限。 因此, 能够快速准确的识别出水利工程中的漂浮物, 及时提供
漂浮物的位置信息成为了提高治漂能力的必要条件。
[0003]发明人发现, 随着深度学习在目标检测领域 的深入应用, 以YOLO、 SSD为代表的单
阶段目标检测算法在实时 目标检测任务中应用广泛, 但由于单阶段目标检测算法将目标检
测问题转化为回归问题, 略去候选区域生成, 不能够很好的将目标区域和背景区域分开, 容
易造成漏检和 误检问题; 复杂度更高的网络结构在各种应用中可以带来明显的精度提升,
但同时也带来了极大的参数和计算 开销, 不能适用于水流较快环境中漂浮物的检测。
发明内容
[0004]本发明为了解决上述问题, 实现复杂背景下水面漂浮物的高精度实时检测, 提出
了一种融合注意力机制的漂浮物目标检测方法及系统, 本发明中提出了一种融合注意力机
制的漂浮物目标检测算法CBAM ‑YOLOv4‑tiny, 能够在满足实时性的基础上, 提供更高的检
测精度, 可为实现水利工程中快速清漂排漂, 提高治漂能力提供参 考。
[0005]为了实现上述目的, 本发明是通过如下的技 术方案来实现:
[0006]第一方面, 本发明提供了一种融合注意力机制的漂浮物目标检测方法, 包括:
[0007]获取水流环境的图像信息;
[0008]依据所述图像信息, 以及预设的漂浮物目标检测模型, 得到漂浮物检测结果;
[0009]其中, 所述漂浮物目标检测模型由YOLOv4 ‑tiny模型训练得到, 所述YOLOv4 ‑tiny
模型中, 以CSPDar knet53‑tiny作为特征提取网络, 在特征金字塔结构中嵌入卷积注意力模
块; 同时, 使用K均值聚类算法聚类分析漂浮物尺寸信息, 所述K均值聚类算法中, 以面积交
并比作为 准则函数。
[0010]进一步的, 训练所述漂浮物目标检测模型时, 获取训练用样本图像信息后, 对样本
图像信息进行 标注, 通过空间变换和色域变换对标注后的样本图像进行 数据增广。
[0011]进一步的, 所述YOLOv4 ‑tiny模型包括骨架网络、 颈 部结构和预测端。
[0012]进一步的, 所述卷积注意力模块包括通道注意力模块和空间注意力模块, 所述卷
积注意力模块沿着通道和空间两个独立的维度依次推断注意力图, 将注意力图和输入特征
图相乘实现自适应地特 征优化。
[0013]进一步的, 所述通道注意力模块通过探索输入特征的通道关系突出关键通道, 抑说 明 书 1/7 页
3
CN 114781514 A
3
专利 一种融合注意力机制的漂浮物目标检测方法及系统
安全报告 >
其他 >
文档预览
中文文档
11 页
50 下载
1000 浏览
0 评论
309 收藏
3.0分
温馨提示:本文档共11页,可预览 3 页,如浏览全部内容或当前文档出现乱码,可开通会员下载原始文档
本文档由 人生无常 于 2024-03-18 07:35:31上传分享