基于改进YOLOX模型的小目标检测方法.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115063672A(43)申请公布日2022.09.16(21)申请号202210822351.5G06V10/82(2022.01)(22)申请日2022.07.13G06N3/04(2006.01)G06N3/08(2006.01)(71)申请人广州科语机器人有限公司地址511470广东省广州市南沙区大岗镇豪岗大道30号(72)发明人晁人傑邓亮郑卓斌王立磊刘若辰(74)专利代理机构广东北定知识产权代理事务所(普通合伙)44761专利代理师曹江雄(51)Int.Cl.G06V20/00(2022.01)G06V10/40(2022.01)G06V10/774(2022.01)G06V10/80(2022.01)权利要求书2页说明书8页附图5页(54)发明名称基于改进YOLOX模型的小目标检测方法(57)摘要本发明涉及一种基于改进YOLOX模型的小目标检测方法。通过获取待检测图像，对待检测图像进行特征提取，得到多个初始特征，并将多个初始特征进行跨层特征融合，得到多个融合特征，根据多个融合特征的预测处理结果，得到针对该待检测图像的小目标检测结果。通过多层特征提取和跨层特征融合，使得小目标的浅层特征和深层特征相互融合处理，加强小目标特征提取效果，避免小目标特征丢失，提高对图像中小目标的检测效果。CN115063672ACN115063672A权利要求书1/2页1.基于改进YOLOX模型的小目标检测方法，其特征在于，所述方法包括：获取待检测图像；对所述待检测图像进行特征提取，得到多个初始特征；将所述多个初始特征进行跨层特征融合，得到多个融合特征；将所述多个融合特征进行预测处理，根据处理结果得到所述待检测图像的小目标检测结果。2.根据权利要求1所述的方法，其特征在于，所述对所述待检测图像进行特征提取，得到多个初始特征，包括：对所述待检测图像进行识别，得到所述待检测图像中的待检测目标尺寸；若特征提取检测头的感受野大于所述待检测目标尺寸，对所述待检测图像进行特征提取，得到多个初始特征。3.根据权利要求2所述的方法，其特征在于，所述对所述待检测图像进行特征提取，得到多个初始特征，包括：将所述待检测图像依次输入改进YOLOX模型的Focus模块和与所述Focus模块串联的多个卷积模块进行特征提取，得到所述多个初始特征。4.根据权利要求3所述的方法，其特征在于，包括：所述多个卷积模块中的每个卷积模块包括Dark模块和注意力机制模块，所述注意力机制模块后的嵌入位置配置有检测头。5.根据权利要求1所述的方法，其特征在于，所述将所述多个初始特征进行特征融合，得到多个融合特征，包括：将所述多个初始特征按照预先配置的跨层连接位置进行特征融合，得到所述多个融合特征；其中，所述跨层连接位置根据所述多个卷积模块和所述改进YOLOX模型的多个特征融合模块的相对位置关系配置得到。6.根据权利要求3所述的方法，其特征在于，所述基于所述多个融合特征进行预测处理，根据处理结果得到所述待检测图像的小目标检测结果，包括：对所述多个融合特征进行预测处理，根据处理结果得到所述小目标检测结果。7.根据权利要求1至6任一项所述的方法，其特征在于，所述方法还包括：获取初始图像数据集，所述初始图像数据集包括训练集和验证集；将所述训练集输入至待训练的改进YOLOX模型进行训练，通过所述验证集对改进YOLOX模型进行验证；更新所述改进YOLOX模型的模型参数直至模型收敛，得到训练后的改进YOLOX模型。8.根据权利要求7所述的方法，其特征在于，所述将所述训练集输入至待训练的改进YOLOX模型进行训练之前，所述方法还包括：获取原始改进YOLOX模型；将所述原始改进YOLOX模型的网络偏移量初始化为0，通过Kaiming高斯初始化方法对所述原始改进YOLOX模型的网络权重参数进行初始化。所述Kaiming高斯初始化方法服从以下分布；2CN115063672A权利要求书2/2页其中，Wl为第l层权重，N为高斯分布，a为ReLU激活函数，nl为第l层的数据维度。9.根据权利要求7所述的方法，其特征在于，所述更新所述改进YOLOX模型的模型参数直至模型收敛，包括：针对训练中的每一次迭代，根据迭代前的梯度和损失函数得到迭代后的梯度，并根据所述迭代后的梯度执行下一次迭代，直至训练完全部测试集。所述梯度包括改进YOLOX模型的权重和偏移量；针对训练中每一轮训练完全部训练集，将前一次的模型参数进行指数滑动平均，以得到所述改进YOLOX模型新的模型参数，根据所述新的模型参数更新所述改进YOLOX模型，直至模型收敛或达到最大训练轮次。10.根据权利要求9所述的方法，其特征在于，所述方法还包括：通过如下算法获取训练中的改进YOLOX模型的权重：其中