技术特征：
1.一种引入早期检测器的transformer目标检测方法，其特征在于，包括如下步骤：将图像输入到视觉transformer，提取出语义丰富的特征图；在该特征图上使用早期检测器，输出粗略的估计目标；取出置信度前n个估计目标，将该目标的检测框的四个坐标作为检测transformer中解码器的参考点，并将预测出这些选定的估计目标的特征图上的特征点选定作为检测transformer中解码器的目标标识符；所述n为预设值；检测transformer的解码器利用所述参考点和目标标识符，利用交叉注意力机制与特征图进行交互，从而不断精炼目标标识符和参考点的坐标，最终输出准确的目标检测框和目标类别。2.如权利要求1所述的引入早期检测器的transformer目标检测方法，其特征在于，所述transformer检测框架包括早期检测器和检测transformer，其中早期检测器由视觉transformer和一个检测头组成；检测transformer则是堆叠两层轻量的解码器。3.如权利要求1或2所述的引入早期检测器的transformer目标检测方法，其特征在于，还包括：采用局部二分图匹配来稳定样本分配，以及注意力图到特征图的辅助损失，来进一步优化特征图的表示以优化早期检测器。4.如权利要求1或2所述的引入早期检测器的transformer目标检测方法，其特征在于，在损失矩阵中添加常量的损失，针对预测样本和实际目标的损失矩阵去分配正负样本，从而使得实际目标只会分配正样本到自己中心区域附近的预测样本中去。5.如权利要求4所述的引入早期检测器的transformer目标检测方法，其特征在于，在损失矩阵中添加常量的损失，具体为：根据早期检测器的输出预估目标作为预测样本，将其与实际目标的距离损失和类别损失组合得到损失矩阵；根据实际目标的中心区域范围，对范围之外的区域预测的样本添加很大的常量损失到损失矩阵，所述常量损失大于预设阈值；对上一步得到的损失矩阵进行二分图匹配来求解得到实际目标对应的正样本。6.如权利要求1或2所述的引入早期检测器的transformer目标检测方法，其特征在于，使用检测transformer中解码器的交叉注意力图里的丰富的实例视觉信号去监督视觉transformer提取出来的特征。7.如权利要求5所述的引入早期检测器的transformer目标检测方法，其特征在于，使用检测transformer中解码器的交叉注意力图里的丰富的实例视觉信号去监督视觉transformer提取出来的特征，具体包括：针对每层检测transformer解码器，聚合所有的目标标识符与特征图的交叉注意力图；将每层获得交叉注意力图叠加起来，获得最终的交叉注意力图；在早期检测器中添加线性层来预测上一步得到的交叉注意力图，在预测的掩码和二值化的交叉注意力图之间，通过损失函数计算损失来辅助模型的训练。8.如权利要求1或2所述的引入早期检测器的transformer目标检测方法，其特征在于，所述损失函数为二元交叉熵bce损失函数。9.如权利要求1或2所述的引入早期检测器的transformer目标检测方法，其特征在于，所述n取值为300。
10.一种引入早期检测器的transformer目标检测装置，其特征在于：包括至少一个处理器和存储器，所述至少一个处理器和存储器之间通过数据总线连接，所述存储器存储能被所述至少一个处理器执行的指令，所述指令在被所述处理器执行后，用于完成权利要求1-9中任一项所述的引入早期检测器的transformer目标检测方法。
技术总结
本发明公开了一种引入早期检测器的Transformer目标检测方法，包括：将图像输入到视觉Transformer，提取出语义丰富的特征图；在该特征图上使用早期检测器，输出粗略的估计目标；取出置信度前N个估计目标，将该目标的检测框的四个坐标作为检测Transformer中解码器的参考点，并将预测出这些选定的估计目标的特征图上的特征点选定作为检测Transformer中解码器的目标标识符；所述N为预设值；检测Transformer的解码器利用步骤三提供的参考点和目标标识符，利用交叉注意力机制与步骤一提取出的特征图进行交互，从而不断精炼目标标识符和参考点的坐标，最终输出准确的目标检测框和目标类别。本发明还提供了相应的引入早期检测器的Transformer目标检测装置。测器的Transformer目标检测装置。测器的Transformer目标检测装置。
技术研发人员：王兴刚 廖本成 刘文予
受保护的技术使用者：华中科技大学
技术研发日：2022.11.24
技术公布日：2023/3/21