本申請提供了一種注意力特征圖獲取方法，其特征在于，包括：對特征圖進行通道注意力操作，以獲得通道注意力特征圖；對所述特征圖進行空間注意力操作，以獲得空間注意力特征圖；對所述通道注意力特征圖與所述空間注意力特征圖進行特征融合，獲得注意力融合特征圖；以及基于所述注意力融合特征圖和所述特征圖，獲得注意力特征圖。通過并行進行的通道注意力操作和空間注意力操作，以及通過對通道注意力特征圖與空間注意力特征圖進行特征融合，增強對圖片在通道上提取特征的能力和在空間上提取特征的能力。并行運算既能同時結合通道注意力和空間注意力兩種注意力性能，又能節省計算時間。

技術領域

本申請涉及深度學習技術領域，具體涉及一種注意力特征圖獲取方法、目標檢測方法、注意力特征圖獲取裝置、目標檢測裝置、電子設備及計算機可讀存儲介質。

背景技術

隨著人工智能的不斷發展，深度學習網絡模型被廣泛應用到各個領域。近年來，注意力機制(Attention Mechanism)由于能忽略無關信息且關注重點信息，已成為深度學習領域中關鍵技術，備受關注。現有注意力機制在獲取注意力特征圖時不能同時結合通道注意力(Spatial attention)和空間注意力(Channel attention)兩種注意力機制，且計算過程參數量過大。

發明內容

有鑒于此，本申請實施例提供了一種注意力特征圖獲取方法、目標檢測方法、注意力特征圖獲取裝置、目標檢測裝置、電子設備及計算機可讀存儲介質，以解決現有的注意力機制在獲取注意力特征圖時無法結合通道注意力和空間注意力兩種注意力機制且計算過程參數量過大的問題。

根據本申請的一個方面，本申請一實施例提供的一種注意力特征圖獲取方法，包括：對特征圖進行通道注意力操作，以獲得通道注意力特征圖；對所述特征圖進行空間注意力操作，以獲得空間注意力特征圖；對所述通道注意力特征圖與所述空間注意力特征圖進行特征融合，獲得注意力融合特征圖；以及基于所述注意力融合特征圖和所述特征圖，獲得注意力特征圖。

根據本申請另一個方面，本申請一實施例提供的一種目標檢測方法，包括：獲取待檢測圖像，所述待檢測圖像包括目標對象；對所述待檢測圖像進行特征提取處理，獲得所述待檢測圖像的至少一個特征圖；對所述至少一個特征圖進行上述任一所述的注意力特征圖獲取方法，獲得至少一個注意力特征圖；以及基于所述至少一個注意力特征圖，獲取所述待檢測圖片中感興趣區域的目標對象的位置和類別。

根據本申請另一個方面，本申請一實施例提供的一種注意力特征圖獲取裝置，包括：通道注意力模塊，配置為對特征圖進行通道注意力操作，以獲得通道注意力特征圖；空間注意力模塊，配置為對所述特征圖進行空間注意力操作，以獲得空間注意力特征圖；注意力融合模塊，配置為對所述通道注意力特征圖與所述空間注意力特征圖進行特征融合，獲得注意力融合特征圖；以及輸出子模塊，配置為基于所述注意力融合特征圖和所述特征圖，獲得注意力特征圖。

根據本申請另一個方面，本申請一實施例提供的一種目標檢測裝置，包括：獲取模塊，配置為獲取待檢測圖像，所述待檢測圖像包括目標對象；特征提取模塊，配置為對待檢測圖像進行特征提取，獲得至少一個特征圖；至少一個注意力模塊，配置為對所述至少一個特征圖進行上述任一所述的注意力特征圖獲取方法，獲得至少一個注意力特征圖；以及檢測模塊，配置為基于所述至少一個注意力特征圖，獲取所述待檢測圖片中感興趣區域的目標對象的位置和類別。

根據本申請的又一個方面，本申請一實施例提供的本申請一實施例提供了一種電子設備，包括：處理器；存儲器；以及存儲在存儲器中的計算機程序指令，計算機程序指令在被處理器運行時使得處理器執行如上述任一項所述的方法。

根據本申請的又一方面，本申請一實施例提供了一種計算機可讀存儲介質，所述計算機可讀存儲介質上存儲有計算機程序指令，所述計算機程序指令在被處理器運行時使得所述處理器執行如前任一所述的方法。