(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 202211328913.7 (22)申请日 2022.10.27 (71)申请人 桂林电子科技大 学 地址 541004 广西壮 族自治区桂林市金鸡 路1号 (72)发明人 强保华　刘玲芝　杨先一　张世豪　 (74)专利代理 机构 北京冬瓜知识产权代理事务 所(普通合伙) 11854 专利代理师 李佳 (51)Int.Cl. G06V 10/82(2022.01) G06V 10/80(2022.01) G06N 3/04(2006.01) (54)发明名称 一种目标检测方法以及检测系统 (57)摘要 本发明提供了一种目标检测方法以及检测 系统， 所述检测方法包括： 采用主干特征提取网 络， 对输入的图片进行特征提取得到特征图； 对 所述特征图进行多分支空洞卷积注 意力处理， 加 强感兴趣信息的特征表示， 经过双向特征金字塔 结构， 丰富不同层级的特征信息； 利用所述双向 特征金字塔结构产生的多尺度特征对目标的位 置和类别进行预测。 本发明的目标检测方法， 通 过多尺度注意力特征金字塔网络和广义交并比 损失函数(GIoU)， 捕获多尺度上下文信息， 将高 层特征和低层特征有效融合， 丰富不同层级的特 征信息， 使模 型更加准确地定位和识别感兴趣的 物体， 从而 进一步提高目标检测的精度。 权利要求书2页 说明书6页 附图2页 CN 115527094 A 2022.12.27 CN 115527094 A 1.一种目标检测方法， 其特 征在于， 包括如下步骤： 采用主干特 征提取网络， 对输入的图片进行 特征提取得到特征图； 对所述特征图进行多分支空洞卷积注意力处理， 加强感兴趣信息的特征表示， 经过双 向特征金字塔结构， 丰富 不同层级的特 征信息； 利用所述双向特 征金字塔结构产生的多尺度特 征对目标的位置和类别进行 预测。 2.根据权利要求1所述的目标检测方法， 其特征在于， 所述多分支空洞卷积注意力处理 的方法包括： 采用膨胀率为1、 3、 5， 卷积核为3x3大小的空洞卷积对输入进行采样， 充分获取目标上 下文之间的信息， 得到不同尺度特 征图的信息； 然后分别经过坐标注意力模块忽略掉无用的背景信 息， 对不同膨胀率分支的输出进行 特征融合， 得到多尺度融合特 征。 3.根据权利要求2所述的目标检测方法， 其特征在于， 所述坐标注意力模块通过将位置 信息嵌入到通道 注意力中， 使网络获取 更大的区域信息 。 4.根据权利要求3所述的目标检测方法， 其特征在于， 所述双向特征金字塔结构的具体 结构包括： 所述特征图分别为F1、 F2、 F3， 经过多分支空洞卷积注意力模块得到多尺度融合特征 T1、 T2、 T3， T3与T2进行 特征融合得到P2特 征图， 然后P2与T1进行 特征融合得到P1特 征图； P1与P2进行特征融合得到C2特征图， C2与P3进行特征融合得到C3特征 图。 将融合后的 特征层C1， C2和C 3进行检测目标。 5.根据权利要求1所述的目标检测方法， 其特征在于， 进行预测的步骤之后， 采用GIoU 损失函数来进一 步提高目标检测的精度。 6.根据权利要求5所述的目标检测方法， 其特征在于， 采用所述GIoU损失函数提高精度 的方法包括： 对于任意的两个预测框A和真实框B， 找到包含A和B的最小边界框C， 然后 计算除去A和B 之外的C所占的面积除以C框的面积的比率， 最后用IoU减去这个比率来获得GIoU； GIoU的具 体计算公式如下： 利用GIoU作为改进后的边界框回归损失L ossbox， 公式如下： Lossbox＝1‑GIoU。 7.采用权利要求1 ‑6任一项所述目标检测方法的检测系统， 其特 征在于， 包括： 提取模块： 用于采用主干特 征提取网络， 对输入的图片进行 特征提取得到特征图； 处理模块： 用于对所述特征图进行多分支空洞卷积注意力处理， 加强感兴趣信息的特 征表示， 经 过双向特 征金字塔结构， 丰富 不同层级的特 征信息； 预测模块： 用于利用所述双向特征金字塔结构产生的多尺度特征对目标的位置和类别 进行预测。 8.一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， 所述程序 执行时实 现权利要求1 ‑6任一项所述目标检测方法的步骤。权　利　要　求　书 1/2 页 2 CN 115527094 A 29.一种计算机设备， 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如权利要求 1‑6任一项所述目标检 测方法的步骤。权　利　要　求　书 2/2 页 3 CN 115527094 A 3