基于Transformer全局与局部注意力交互的目标检测方法

摘要

本发明属于计算机视觉领域，具体涉及了一种基于Transformer全局与局部注意力交互的目标检测方法，旨在解决Transformer模型计算成本高、复杂度高、全局和局部交互不充分，导致目标检测结果准确性和精度低的问题。本发明包括：对待处理二维图像预处理；以图像令牌为单位进行窗口划分；基于窗口做局部多头注意力计算；局部窗口下采样，拼接为一个新的全局窗口并做全局多头注意力计算；进行全局和局部的交互，使全局信息的补充到局部信息；进行图像令牌合并获得多尺度特征后送入目标检测模块，获取待处理二维图像的感兴趣区域的类别及位置坐标。本发明具有较强的特征表达能力，可以克服复杂环境下目标存在的巨大差异性，具有较高的处理速度，并能获取更精准的检测结果。