一种集成注意力机制、优化特征融合方法及自监督学习的轻量化目标检测系统

本发明涉及计算机视觉技术领域，具体公开了一种集成注意力机制、优化特征融合方法及自监督学习的轻量化目标检测模型，包括骨干网络、特征融合模块、检测头、轻量化模块和自监督学习模块，该模型在YOLOv7‑tiny基础上进行改进，采用FasterNet作为骨干网络，并在每个卷积层后集成卷积块注意力模块(CBAM)。特征融合模块(Neck)引入特征金字塔网络(FPN)结构，优化多尺度特征融合效果。此外，通过自监督学习方法(如SimCLR)对骨干网络进行预训练。模型通过通道剪枝和通道蒸馏技术实现轻量化。本发明采用上述一种集成注意力机制、优化特征融合方法及自监督学习的轻量化目标检测模型，在保持高检测精度的同时，显著减少了模型参数和推理时间，具备良好的实际应用价值。