【技术实现步骤摘要】
本专利技术涉及目标检测相关。更具体地说，本专利技术涉及一种目标检测模型构建方法、检测方法及装置。
技术介绍
1、目标检测算法在自动驾驶、智能安防、国防军事等领域有着广泛的应用，是计算机视觉领域的热点研究方向之一。空中无人机检测中充斥着大量尺度不一的目标，这对目标检测算法的性能提出了较高要求。近年来，基于transformer的目标检测框架（如detrs）逐渐成为新的研究热点。与传统的卷积神经网络相比，detr通过transformer提取全局特征，无需非极大值抑制（nms），直接实现端到端的目标检测，从而简化了检测流程。然而，尽管detr在检测精度上取得了显著进展，其在处理多尺度目标时仍面临一定的瓶颈。具体而言，现有detr网络对小目标的检测能力不足，并且由于特征提取的计算复杂性，其推理速度较慢，限制了其在实际场景中的应用。rt-detr的出现解决了这一问题，rt-detr凭借重新设计的编码器结构，提高了模型检测速度，但是其对多尺度目标的检测性能较差，并且计算量相比其他模型依旧较大。
2、因此，亟需设计一种能够克服上述缺陷的技术方案。
技术实现思路
1、本专利技术的一个目的是提供一种目标检测模型构建方法、检测方法及装置，能够提升目标检测性能，并降低了对计算资源的需求。
2、为了实现本专利技术的这些目的和其它优点，根据本专利技术的一个方面，本专利技术提供了目标检测模型构建方法，包括：利用rgcsp模块替换rt-detr网络模型中的骨干网络，得到改进rt-det
3、进一步地，还包括利用dattention模块替换所述rt-detr网络模型中的aifi模块；利用所述dattention模块对维度最高的特征图p5进行处理，输出y5。
4、进一步地，还包括利用fdpn模块替换所述rt-detr网络模型中的ccfm模块；其中，所述fdpn模块用于对维度不同的特征图进行特征融合，具体步骤包括：p3、p4、y5进入focusfeature模块进行特征融合，得到n1；n1分别经过conv和upsample操作，并且分别与y5和p3进行concat操作，得到n2，n3；n2、n3分别再次输入repc3模块进行细化处理，得到n2'、n3'；将n2'、n3'和n1再送入focusfeature模块中，得到n1'；
5、所述focusfeature模块进行特征融合的步骤包括：将p3通过adown模块进行下采样，p4和p5特征图分别通过conv卷积层进行通道数调整；将经过处理后的p3、p4和p5进行concat操作，得到初步融合的特征图；对初步融合的特征图分别使用5x5、7x7、9x9和11x11的卷积核处理，并保留一个恒等映射分支；将所有卷积核处理和恒等映射的输出通过add操作进行融合，然后利用conv1x1调整通道数，再与所述初步融合的特征图执行add操作。
6、进一步地，还包括利用wise-iou模块替换所述rt-detr网络模型中的giou模块。
7、进一步地，还包括加入repbn模块。
8、根据本专利技术的另一个方面，还提供了目标检测方法，包括：利用所述的构建方法构建目标检测模型；获取待检测图像；利用所述目标检测模型对所述待检测图像进行检测。
9、根据本专利技术的另一个方面，还提供了目标检测装置，包括：构建模块，用于利用所述的构建方法构建目标检测模型；获取模块，用于获取待检测图像；检测模块，用于利用所述目标检测模型对所述待检测图像进行检测。
10、根据本专利技术的另一个方面，还提供了目标检测装置，包括处理器和存储器，所述存储器用于存储程序指令，所述处理器用于调用所述程序指令以执行所述的目标检测方法。
11、根据本专利技术的另一个方面，还提供了计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现所述的目标检测方法。
12、本专利技术至少包括以下有益效果：
13、本专利技术通过改进现有技术中的rt-detr网络模型，从而形成在目标检测方面具备多方面优势，一是通过采用如rgcsp模块和fpdn模块等特征提取与融合技术改进目标检测网络，提高空中环境中小目标的检测精度；二是基于轻量化网络结构和高效算法设计优化计算资源，降低对其需求，便于在资源受限环境部署；三是能有效处理不同尺度特征图，泛化能力更好，适应性强于现有技术，提高了系统实用性与灵活性。
14、本专利技术的其它优点、目标和特征将部分通过下面的说明体现，部分还将通过对本专利技术的研究和实践而为本领域的技术人员所理解。
本文档来自技高网...【技术保护点】
1.目标检测模型构建方法，其特征在于，包括：
2.如权利要求1所述的目标检测模型构建方法，其特征在于，还包括利用DAttention模块替换所述RT-DETR网络模型中的AIFI模块；
3.如权利要求2所述的目标检测模型构建方法，其特征在于，还包括利用FDPN模块替换所述RT-DETR网络模型中的CCFM模块；
4.如权利要求2所述的目标检测模型构建方法，其特征在于，还包括利用Wise-IoU模块替换所述RT-DETR网络模型中的GIoU模块。
5.如权利要求1所述的目标检测模型构建方法，其特征在于，还包括加入RepBN模块。
6.目标检测方法，其特征在于，包括：
7.目标检测装置，其特征在于，包括：
8.目标检测装置，其特征在于，包括处理器和存储器，所述存储器用于存储程序指令，所述处理器用于调用所述程序指令以执行权利要求6所述的目标检测方法。
9.计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现权利要求6所述的目标检测方法。p>...
【技术特征摘要】
1.目标检测模型构建方法，其特征在于，包括：
2.如权利要求1所述的目标检测模型构建方法，其特征在于，还包括利用dattention模块替换所述rt-detr网络模型中的aifi模块；
3.如权利要求2所述的目标检测模型构建方法，其特征在于，还包括利用fdpn模块替换所述rt-detr网络模型中的ccfm模块；
4.如权利要求2所述的目标检测模型构建方法，其特征在于，还包括利用wise-iou模块替换所述rt-detr网络模型中的giou模块。
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。