【技术实现步骤摘要】
一种红外图像目标检测方法
[0001]本专利技术涉及一种红外图像的目标检测方法，属于目标检测领域。
技术介绍
[0002]目标检测是计算机视觉领域的一个研究热点，其核心思想是结合图像处理技术和机器学习算法，模拟人类视觉器官和大脑系统，对输入图像中目标进行准确表达和精准定位。在智能视频监控，无人驾驶技术，计算机辅助诊断技术等方面都有着重要的应用。然而由于实际场景中，目标物体的形变、遮挡、以及观察角度和环境变化等众多因素的影响，使得目标的外观特征发生极大变化，从而会增加检测难度；另一方面，同类目标在形状、姿态和类型上会发生不同变化，使得类内差别增大，同时还可能出现不同类别之间差距很小，这些都给目标检测带来了极大的挑战。
[0003]中国专利公开号为“CN112348042A”，名称为“一种基于改进YOLOv3的红外目标检测方法”，该方法使用DarkNet
‑
53作为网络检测框架，移除网络检测框架与预测模块之间的卷积层，加入多尺度融合预测，利用残差层融合低级特征的重复块。在重复块的底部加入注意力模块，在重...
【技术保护点】
【技术特征摘要】
1.一种红外图像目标检测方法，其特征是，该方法包括如下步骤：步骤1，构建网络模型：该网络由第一次递归网络和第二次递归网络组成，且该网络的主要组成部分瓶颈模块加入了注意力机制，提高了特征提取能力，同时加强了对小目标的检测能力，最终输出四个预测值；步骤2，训练网络模型：采用可见光数据集，将数据集中的图像统一裁剪为固定尺寸，并将其输入到步骤一中所构建的网络模型中，对网络模型进行训练；步骤3，最小化损失函数值：通过最小化网络输出图像和标签之间的损失函数，直到损失函数的值到达设定范围内即可认为模型参数已训练完成；步骤4，微调网络模型：用长波红外图像数据集对模型进行微调，得到对红外图像中目标更高的检测精度；步骤5，保存模型：将上述步骤中训练好的网络模型参数进行保存。2.根据权利要求1所述的一种红外图像目标检测方法，其特征在于，步骤1所述第一次递归网络的网络结构分为特征提取网络和递归输出网络，特征提取网络包含五个特征提取模块，递归输出网络由四个递归输出模块组成；其中特征提取模块一包含一个卷积层、一个步长为1的瓶颈模块、两个步长...
【专利技术属性】
技术研发人员：詹伟达，顾星，朱德鹏，徐小雨，唐雁峰，
申请(专利权)人：长春理工大学，
类型：发明
国别省市：
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。