【技术实现步骤摘要】
本专利技术涉及一种特征融合模块，具体涉及一种基于小波变换的特征融合模块。
技术介绍
1、yolov5为yolo系列算法中训练门槛较低、检测性能较为均衡的目标检测模型。目前广泛应用于输电线路缺陷检测领域。
2、初始yolov5s模型在特征融合部分采用panet结构，具体的，通过使用跨步卷积和转置卷积实现特征下采样和上采样操作，然后将相同尺寸的特征图进行concat拼接实现特征融合。针对绝缘子缺陷检测任务，这种方式存在一些弊端：
3、首先，pan网络使用跨zai步卷积和转置卷积实现的下采样和上采样直接将输入特征图进行尺度缩小，会导致丢失重要细节信息，尤其对于尺度较小的缺陷目标，会导致漏检。
4、其次，原yolov5s只能将相同尺度的特征图进行信息融合，无法充分利用其他尺度的特征信息，容易忽略图像中的全局上下文信息，这对于复杂背景中的较小缺陷目标检测会造成不利影响。
技术实现思路
1、本专利技术的目的在于针对现有技术中不足与缺陷，提供一种基于小波变换的特征融合模块，本基于小波变换的特征融合模块具有多尺度特征信息捕捉，不仅有效抑制噪声，且减少信息冗余，同时还能够增强特征表达能力。
2、为实现上述目的，本专利技术采用以下技术方案是：一种基于小波变换的特征融合模块，它包括以下具体步骤：首先，对低层特征进行小波变换下采样；其次，对高层特征进行小波变换上采样；最后，将当前层次特征与低层特征与高层特征拼接得到融合后特征。
3、进一步的，所述
4、进一步的，所述高频小波分量包含了图像的细节信息。
5、进一步的，所述对高层特征进行小波变换上采样的具体操作为：首先，对输入特征进行1×1卷积操作；然后，使用slicing操作将输入通道分为水平(hl)、垂直(lh)、对角(hh)和低频小波分量yl四部分；将三个不同方向上高频分量堆叠成高频小波分量；最后，使用小波逆变换(iwt)将高频和低频小波分量重构，得到小波上采样的输出。
6、它包括以下具体计算公式：z＝concat(f1×1(wtd(x0)),x1,wtu(f1×1(x2)))；wtd(x)＝concat([hl,lh,hh],yl)；wtu(x)＝iwt(stack(hl,lh,hh),yl)；
7、yh＝[hl,lh,hh]，其中，x0,x1,x2分别为三个不同尺度的特征，x0为低层特征，x1为当前层次特征，x2为高层特征，z为融合后的输出特征；wtd为小波变换下采样操作，wtu为小波变换上采样操作，iwt为小波逆变换；yl为低频小波分量，yh为高频小波分量，f1×1为卷积核大小为1×1的卷积，concat为特征拼接，stack为特征堆叠操作。
8、进一步的，所述高频小波分量yh包含三种不同方向的分量，分别为高频水平分量hl、高频垂直分量lh和高频对角分量hh。
9、采用上述技术方案后，本专利技术有益效果为：至少具有以下几点优点：
10、1、多尺度特征信息捕捉：小波变换将输入特征分解为低频和高频分量，使得模型能够同时处理全局信息和细节信息，保留了特征图的多尺度特性。低频分量提供了图像的整体结构，而高频分量捕捉了细节和边缘特征，这在处理具有不同尺寸目标的任务中非常有用。
11、2、有效抑制噪声：小波变换具有良好的抗噪性，通过分解和重构，可以在一定程度上滤除噪声，同时保留重要的图像信息。这对于在复杂环境中进行目标检测或分割任务时，提升模型的鲁棒性非常重要。
12、3、减少信息冗余：相比于直接对原始特征图进行卷积操作，小波变换能够将特征图分解为不同的频率分量，减少了特征之间的冗余。这种分解与融合的方式有助于模型更有效地提取有用信息，提升计算效率。
13、4、增强特征表达能力：通过对不同频率的分量进行卷积处理和重构，模型能够学习到更加丰富和多样的特征表达，从而提升模型在各种视觉任务中的表现，特别是在处理复杂背景和多样化目标时，优势更加明显。
本文档来自技高网...【技术保护点】
1.一种基于小波变换的特征融合模块，其特征在于：它包括以下具体步骤：
2.根据权利要求1所述的一种基于小波变换的特征融合模块，其特征在于：所述S1具体操作为：
3.根据权利要求1所述的一种基于小波变换的特征融合模块，其特征在于：所述高频小波分量包含了图像的细节信息。
4.根据权利要求1所述的一种基于小波变换的特征融合模块，其特征在于：所述S2的具体操作为：
5.一种基于小波变换的特征融合模块，其特征在于：它包括以下具体计算公式：
6.根据权利要求5所述的一种基于小波变换的特征融合模块，其特征在于：所述高频小波分量yH包含三种不同方向的分量，分别为高频水平分量HL、高频垂直分量LH和高频对角分量HH。
【技术特征摘要】
1.一种基于小波变换的特征融合模块，其特征在于：它包括以下具体步骤：
2.根据权利要求1所述的一种基于小波变换的特征融合模块，其特征在于：所述s1具体操作为：
3.根据权利要求1所述的一种基于小波变换的特征融合模块，其特征在于：所述高频小波分量包含了图像的细节信息。
4.根据权利要求1所述的一种基...
【专利技术属性】
技术研发人员：朱昌飞，张令宁，张洁，
申请(专利权)人：北京知链科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。