1.一种探测机器人视觉目标检测方法,其特征在于,包括:
步骤1:构建混合注意力自适应感知网络;
步骤2:训练所述混合注意力自适应感知网络;
步骤3:使用训练后的混合注意力自适应感知网络进行探测机器人视觉目标检测。
2.根据权利要求1所述的一种探测机器人视觉目标检测方法,其特征在于,所述步骤1构建的混合注意力自适应感知网络包括全局注意力层次网络(01),目标空间定位网络(02)、自适应局部注意力感知网络(03)和目标分类识别网络(04);
所述全局注意力层次网络(01),用于提取不同尺度下深度特征;
所述目标空间定位网络(02),用于利用融合深度特征进行目标预测框定位;
所述自适应局部注意力感知网络(03),用于根据目标预测框大小自适应调节空间金字塔池化参数,生成不同尺度目标统一的深度特征;
所述目标分类识别网络(04),用于针对不同尺度目标统一的深度特征使用相应尺度分类识别器进行目标识别。
3.根据权利要求2所述的一种探测机器人视觉目标检测方法,其特征在于,所述全局注意力层次网络(01),利用CNN搭建全局注意力网络模型,提取不同尺度下深度特征,以用于目标定位与识别;
图像经过第一卷积层(C01)、第二卷积层(C02)、第三卷积层(C03)得到深度特征FS_1,FS_1经第四卷积层(C04)得到深度特征FM_1,FM_1经第五卷积层(C05)得到深度特征FB_1,FB_1经全局平均池化层(C06)得到全局注意力特征GA;
全局注意力特征GA经过第一乘法器(P01)与FB_1联合编码,并经第七卷积层(C07)、第八卷积层(C08)得到FB_3,FB_3最终经第九卷积层(C09)得到适于大目标检测的特征图FM_B;
全局注意力特征GA经过第二乘法器(P02)与FM_1联合编码,并经第十卷积层(C10)、第十一卷积层(C11)得到FM_3;FB_3经第一上采样层(U01)与FM_3在第一融合层(S01)作用下,经第十二卷积层(C12)得到适于中目标检测的特征图FM_M;
全局注意力特征GA经过第三乘法器(P03)与FS_1联合编码,并经第十三卷积层(C13)、第十四卷积层(C14)得到FS_3;第十二卷积层(C12)输入特征经第二上采样层(U02),与FS_3在第二融合层(S02)作用下,最终经第十五卷积层(C15)得到适于小目标检测的特征图FM_S。
4.根据权利要求3所述的一种探测机器人视觉目标检测方法,其特征在于,所述目标空间定位网络(02),利用Yolo-v3框架分别在FM_B、FM_M、FM_S上进行目标定位检测,每一中心点有三个预测框,预测框选择根据Anchor Box宽高比来确定,Anchor Box宽高比包括1:1,
1:2以及2:1三种比例,每一中心点对应预测框维度为3×5,最后一维分别代表目标存在置信度与定位边框坐标信息。
5.根据权利要求4所述的一种探测机器人视觉目标检测方法,其特征在于,所述自适应局部注意力感知网络(03),根据目标预测框获取对应图像深度特征,并且根据目标预测框大小自适应调节空间金字塔池化参数,使得不同尺度目标特征送入相应尺度分类识别器;
针对目标区域面积小于32×32尺度下的小目标,基于FM_S提取小尺度目标特征,空间金字塔池化尺度为1,则最终任意形状的小目标特征统一为FC_Small,其维度为1-d,d为FM_S通道维度;
针对目标区域面积大于32×32、小于96×96尺度下的中目标,基于FM_M提取中尺度目标特征,空间金字塔池化尺度为[1,2],则最终任意形状的中目标特征统一为FC_Middle,其维度为[1-d,4-d],d为FM_M通道维度;
针对目标区域面积大于96×96尺度下的大目标,基于FM_B提取大尺度目标特征,空间金字塔池化尺度为[1,2,4],则最终任意形状的小目标特征统一为FC_Big,其维度为[1-d,
4-d,16-d],d为FM_B通道维度。
6.根据权利要求5所述的一种探测机器人视觉目标检测方法,其特征在于,所述目标分类识别网络(04),预测框与目标框IOU大于0.7为正样本,预测框与目标框IOU小于0.4为负样本,将FC_Big、FC_Middle、FC_Small特征分别送入全连接神经网络,从而完成不同尺度的目标分类识别,不同尺度下目标识别结果最终通过非极大值抑制算法完成目标检测。
7.根据权利要求1所述的一种探测机器人视觉目标检测方法,其特征在于,步骤2所述训练所述混合注意力自适应感知网络,包括:步骤(TR01),训练准备,包括训练多尺度变换和数据增强预处理;
步骤(TR02),冻结目标分类识别网络(04)训练参数,同时允许全局注意力层次网络(01)训练;
步骤(TR03),目标预测框定位训练;
步骤(TR04),冻结全局注意力层次网络(01)训练参数,同时允许目标分类识别网络(04)训练;
步骤(TR05),自适应局部注意力感知,提取不同尺度目标下统一分类特征;
步骤(TR06),预测框目标分类识别训练;
步骤(TR07),判断迭代次数或模型误差是否到达阈值,判断是否完成训练,如到达停止条件,完成训练,如未到达则继续步骤(TR01)-步骤(TR06)进行训练;
步骤(TR08),结束训练。
8.根据权利要求1所述的一种探测机器人视觉目标检测方法,其特征在于,步骤3所述使用训练后的混合注意力自适应感知网络进行探测机器人视觉目标检测,包括:步骤(TS01),开始预测,加载训练模型参数,全局注意力层次网络(01),提取不同尺度下深度特征;
步骤(TS02),目标空间定位网络(02)进行目标预测框定位;
步骤(TS03),自适应局部注意力感知网络(03)根据目标预测框置信度与边框位置信息,进行局部注意力感知特征提取;
步骤(TS04),将不同尺度下的识别结果送入目标分类识别网络(04)中相应尺度分类识别器进行非极大值抑制;
步骤(TS05),探测机器人获得最终目标检测结果,结束预测。