【技术实现步骤摘要】
一种基于注意力的二次特征融合机制的弱小目标检测方法
[0001]本专利技术涉及目标检测
，特别是涉及一种基于注意力的二次特征融合机制的弱小目标检测方法。
技术介绍
[0002]随着嵌入式设备性能提高和边缘计算技术发展，在边缘计算设备上配置深度模型日益普及，这使得无人机携带嵌入式设备进行高空目标检测任务成为可能。无人机作为近年来的新生事物，因为其本身灵活、轻便、不受地形控制和利于获取近地面遥感数据等优势，已经被越来越多的行业引入并执行相关任务。
[0003]而这其中，深度智能模型的效果是关键。随着卷积神经网络(CNN)的发展，目标检测算法的性能得到了很大的提高。研究人员将这些卷积神经网络应用到目标检测中，相对于传统的目标检测算法，在速度和准确度上都有了极大提升。基于深度学习的目标检测算法主要分为2类:(1)以R
‑
CNN系列为代表的基于分类的Two
‑
Stage目标检测框架,基于分类的Two
‑
Stage目标检测算法首先利用Selective Search、E...
【技术保护点】
【技术特征摘要】
1.基于注意力的二次特征融合机制的弱小目标检测方法，其特征在于，是利用基于双层金字塔的二次特征融合模块将主干网络从待处理图片中提取的特征信息进行融合；其中，所述二次特征融合模块的主干网络采用残差网络，第一次从上到下特征融合是对主干网络提取的特征图进行不断卷积和下采样，第二次从下到上特征融合是对第一次得到的特征图进行不断卷积和上采样，然后引入注意力机制分别对相同大小的特征图相加融合，保留浅层特征图中小目标特征信息；然后基于相加融合所形成的不同尺寸感受野的特征图进行预测，并将预测结果汇总。2.根据权利要求1所述基于注意力的二次特征融合机制的弱小目标检测方法，其特征在于，所述的残差网络在不断卷积和下采样的过程中获取下采样倍数为2倍、4倍、8倍、16倍、32倍的特征图。3.根据权利要求1或2所述基于注意力的二次特征融合机制的弱小目标检测方法，其特征在于，所述的残差网络在对特征图融合处理过程中，在相同尺寸的特征图之...
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。