(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 202210800199.0 (22)申请日 2022.07.06 (71)申请人 安徽理工大 学 地址 232001 安徽省淮南市泰丰大街168号 (72)发明人 周华平　吴涛　 (74)专利代理 机构 北京晋德允升知识产权代理 有限公司 1 1623 专利代理师 王戈 (51)Int.Cl. G06V 10/82(2022.01) G06V 10/80(2022.01) G06V 10/44(2022.01) G06N 3/04(2006.01) (54)发明名称 一种目标检测方法 (57)摘要 本说明书实施例公开了一种利用目标检测 模型对待检测图像进行目标检测的方法， 所述目 标检测模型可以包括基于双重注意力机制搭建 的主干特征提取网络， 利用基于双重注意力机制 生成的Ghost模块搭建的颈部网络， 以及预测结 果生成网络。 由于目标检测模型中的主干特征提 取网络和颈部网络中添加了双重注 意力机制， 因 此目标检测模型能够以较少计算量来增加待检 测图像中目标可见区域的关注度， 同时， 由于目 标检测模型中的颈部网络是使用基于双重注意 力机制生成的Ghost模块而搭建的， 其能够实现 特征融合过程的轻量化， 因此， 本申请可 以在保 障目标检测的准确性的同时提高针对待检测图 像的检测速度。 权利要求书4页 说明书15页 附图2页 CN 115019148 A 2022.09.06 CN 115019148 A 1.一种目标检测方法， 其特 征在于， 所述方法包括： 获取待检测图像； 利用目标检测模型对所述待检测图像进行目标检测 处理， 得到目标检测结果； 所述目 标检测模型 是针对YOLOv4神经网络进行改进得到的模型； 所述目标检测模型包括： 主干特征提取网络、 颈部网络及预测结果生成网络； 所述主干 特征提取网络与所述颈部网络连接， 所述颈部网络与所述预测结果生成网络连接； 所述主 干特征提取网络是基于双重注意力机制搭建的网络； 所述颈部网络是使用基于双重注意力 机制生成的Ghost模块搭建的网络 。 2.如权利要求1所述的目标检测方法， 其特 征在于， 所述获取待检测图像之前还 包括： 基于双重注意力机制， 搭建第一数量的跨阶段部分连接结构模块； 利用所述 跨阶段部分连接结构模块， 搭建所述主干特 征提取网络； 基于双重注意力机制， 生成第二数量的Ghost模块； 利用所述Ghost模块， 搭建所述颈 部网络； 利用第三数量的卷积模块， 搭建所述预测结果 生成网络； 依序建立所述主干特征提取网络、 所述颈部网络及所述预测结果生成网络之间的连接 关系， 得到所述目标检测模型。 3.如权利要求2所述的目标检测方法， 其特征在于， 所述第 一数量的跨阶段部分连接结 构模块包括： 第一跨 阶段部分连接结构模块、 第二跨 阶段部分连接结构模块及第三跨阶段 部分连接结构模块； 所述利用所述 跨阶段部分连接结构模块， 搭建所述主干特 征提取网络， 具体包括： 将所述第一跨阶段部分连接结构模块、 所述第 二跨阶段部分连接结构模块及所述第 三 跨阶段部分连接结构模块依序连接， 得到所述主干特 征提取网络； 其中， 所述第一跨阶段部分连接结构模块用于接收目标图像， 并针对所述目标图像进 行卷积处理， 提取所述目标图像的第一主干中间图像特征， 以及， 针对所述第一主干中间图 像特征进 行通道注意力加强处理和空间注意力加强处理， 以得到所述目标图像的第一主干 图像特征； 所述第二跨阶段部分连接结构模块用于接收所述第 一主干图像特征， 并针对所述第 一 主干图像特征进行卷积处理， 以提取所述目标图像的第二主干中间图像特征， 以及， 针对所 述第二主干中间图像特征进行通道注意力加强处理和空间注意力加强处理， 以得到所述目 标图像的第二主干图像特 征； 所述第三跨阶段部分连接结构模块用于接收所述第 二主干图像特征， 并针对所述第 二 主干图像特征进行卷积处理， 以提取所述目标图像的第三主干中间图像特征， 以及， 针对所 述第三主干中间图像特征进行通道注意力加强处理和空间注意力加强处理， 以得到所述目 标图像的第三主干图像特 征。 4.如权利要求2或3所述的目标检测方法， 其特征在于， 所述基于双重注意力机制， 搭建 第一数量的跨阶段部分连接结构模块， 具体包括： 基于双重注意力 机制， 生成第 一通道注意力 子模块和第 一空间注意力 子模块； 其中， 所 述第一通道注意力子模块用于对图像特征进 行通道注意力加强处理； 所述第一空间注意力 子模块用于对图像特 征进行空间注意力加强处 理；权　利　要　求　书 1/4 页 2 CN 115019148 A 2利用所述第 一通道注意力 子模块、 第 一空间注意力 子模块及预设跨阶段部分连接结构 子模块， 生成各个跨阶段部 分连接结构模块； 其中， 所述预设跨阶段部 分连接结构子模块用 于提取图像特 征。 5.如权利要求3所述的目标检测方法， 其特征在于， 所述主干特征提取网络还包括： 输 入模块、 第一卷积模块、 第二卷积模块、 第一最大池化模块、 第二最大池化模块、 第三最大池 化模块、 第三卷积模块以及基于目标所在区域的特征提取模块； 所述基于目标所在区域的 特征提取模块用于提取不同尺寸的图像特 征； 所述搭建所述主干特 征提取网络， 具体包括： 将所述输入模块、 所述第 一卷积模块、 所述第 二卷积模块、 所述第一跨阶段部分连接结 构模块、 所述第一最大池化模块、 所述第二跨阶段部 分连接结构模块、 所述第二最大池化模 块、 所述第三跨阶段部 分连接结构模块、 所述第三最大池化模块、 所述第三卷积模块及所述 基于目标 所在区域的特 征提取模块依序连接， 得到所述主干特 征提取网络； 其中， 所述输入 模块用于获取目标图像； 所述第一卷积模块用于接收所述目标图像， 并对所述目标图像进行卷积处理， 以得到 所述目标图像的第一卷积图像特 征； 所述第二卷积模块用于接收所述第 一卷积图像特征， 并针对所述第 一卷积图像特征进 行卷积处理， 以得到所述目标图像的第二卷积图像特 征； 所述第一跨阶段部分连接结构模块具体用于接收所述第 二卷积图像特征， 并生成所述 目标图像的第一主干图像特 征； 所述第一最大池化模块用于接收所述第 一主干图像特征， 并对所述第 一主干图像特征 进行最大池化处 理， 得到第一 最大池化图像特 征； 所述第二跨阶段部分连接结构模块具体用于接收所述第 一最大池化图像特征， 并生成 所述目标图像的第二主干图像特 征； 所述第二最大池化模块用于接收所述第 二主干图像特征， 并对所述第 二主干图像特征 进行最大池化处 理， 得到第二 最大池化图像特 征； 所述第三跨阶段部分连接结构模块具体用于接收所述第 二最大池化图像特征， 并生成 所述目标图像的第三主干图像特 征； 所述第三最大池化模块用于接收所述第 三主干图像特征， 并对所述第 三主干图像特征 进行最大池化处 理， 得到第三 最大池化图像特 征； 所述第三卷积模块用于接收所述第 三最大池化图像特征， 并对所述第 三最大池化图像 特征进行卷积处理， 以得到所述目标图像的第三卷积图像特 征； 所述基于目标所在区域的特征提取模块用于接收所述第 三卷积图像特征， 并针对所述 第三卷积图像特 征进行卷积处理， 以提取 所述目标图像的第一图像特 征。 6.如权利要求5所述的目标检测方法， 其特征在于， 所述基于目标所在区域的特征提取 模块具体包括： 卷积核各不相同的第一卷积层、 第二卷积层 及第三卷积层； 所述第一卷积层、 所述第二卷积层、 所述第三卷积层的输入端分别与所述第三卷积模 块连接； 所述第一卷积层用于接收所述第 三卷积图像特征， 对所述第 三卷积图像特征进行卷积 处理， 得到所述目标图像的第一尺寸图像特 征；权　利　要　求　书 2/4 页 3 CN 115019148 A 3