1.一种兼顾检测速度和检测准确率的目标检测方法,其特征在于,包括如下步骤:S1,采集数据,构建数据集;
从任务需求出发,采集数据,构建检测任务所需的数据集;
S2,标注数据集:
对数据集进行标注,将数据集划分为训练集、验证集和测试集;
S3,搭建目标检测网络:
YOLO v4目标检测网络包括主干网络、特征融合网络和检测头组成,包括如下步骤:S3-1,在主干网络部分,利用轻量化网络MobileNet v2代替YOLO v4中的主干网络进行特征提取,从而获得三个初步的不同大小的有效特征层;
S3-2,结合协调注意力(Coordinate Attention,简称CA),在最小的有效特征层后添加一个协调注意空洞金字塔池化(Coordinate Attention Atrous spatial pyramidpooling,简称CAASPP);
输入特征图映射为六个部分,分别通过四个卷积、一个池化和一个CA模块,由此得到六个特征图,将这六个特征图进行拼接操作,再通过连接1×1卷积调整通道数与输入特征图一致,即可得到输出特征图;
对于卷积模块,采用一个1×1的卷积模块和三个3×3的膨胀因子分别为rate={1、3、5}的空洞卷积;对于池化模块,采用全局平均池化;对于CA模块,则采用CA注意力机制的计算方式;
S4,训练网络:
使用S2中所述的训练集和验证集对S3中的网络进行训练,得到训练完成的网络检测模型;
S5,目标检测测试:
使用S4中已经训练好的网络,对S2中的测试集进行测试,以检验训练结果,并对目标进行检测。
2.根据权利要求1所述的兼顾检测速度和检测准确率的目标检测方法,其特征在于,S2中,训练集占78-84%,验证集占6-12%,测试集占7-13%。
3.根据权利要求1所述的兼顾检测速度和检测准确率的目标检测方法,其特征在于,S4包括如下步骤:S4-1,将用于训练的图片归一化为416×416像素大小;
S4-2,设置模型参数:
训练迭代周期epoch的次数为100~300,初始学习率lr为3e-5~5e-5,每次放入网络训练的图片数量batch_size为4~32;
S4-3,经过目标检测网络的Backbone部分对图片进行卷积操作,获得三个有效特征图,对这三个有效特征图进行特征信息提取和融合,在融合过程中特征图经过多次上采样操作提取高维特征,再分别与不同尺度的特征融合,最后,由目标检测网络的预测头输出检测结果,得到检测模型。