一种基于深度学习的红外运动目标识别方法技术

本发明专利技术公开了一种基于深度学习的红外运动目标识别方法，在Yolo V4骨架网络的每一个残差块中加入注意力模块，三个预测分支中，每个预测分支的最后一个卷积层之前也加入注意力模块；对于输出的特征图，每一幅都在空间维度上进行全局平均池化和最大池化，结果分别输入权值共享的三层全连接网络，得到一维的通道注意力；对于卷积层的输出，在通道维度上进行最大池化和平均池化，将两者在通道维度上相连，输入卷积层，结果经过损失函数，得到单通道的二维空间注意力；通道注意力和空间注意力先后与特征图相乘，得到优化后的特征图。本发明专利技术在卷积神经网络中加入了注意力模块，有效增强网络对有效特征的敏感度，方便嵌入已有网络。方便嵌入已有网络。方便嵌入已有网络。

【技术实现步骤摘要】
一种基于深度学习的红外运动目标识别方法


[0001]本专利技术属于目标识别
，尤其涉及一种基于深度学习的红外运动目标识别方法。

技术介绍

[0002]对于红外运动目标的检测，由于被检测目标存在的场景遮挡、距离远近及一些非刚性形变而加大识别的复杂性，而且红外图像中物体的纹理细节单一、边缘模糊，更是增加了预测的难度。

技术实现思路

[0003]本专利技术提出一种基于深度学习的红外运动目标识别方法，该方法通过骨架网络的残差块和Yolo层中的引入注意力模块，可以提高识别精度。本专利技术基于深度学习对红外场景进行目标检测，通过对深度学习目标检测分类算法YoLo v4算法进行优化和改进，可以有效的对红外运动目标进行准确识别。
[0004]本专利技术公开的基于深度学习的红外运动目标识别方法，包括以下步骤：
[0005]在Yolo V4骨架网络的每一个残差块中加入注意力模块，三个预测分支中，每个预测分支的最后一个卷积层之前也加入注意力模块；
[0006]对于输出的特征图，每一幅都在空间维度上进行全局平均池化和最大池本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习的红外运动目标识别方法，其特征在于，包括以下步骤：在Yolo V4骨架网络的每一个残差块中加入注意力模块，三个预测分支中，每个预测分支的最后一个卷积层之前也加入注意力模块；对于输出的特征图，每一幅都在空间维度上进行全局平均池化和最大池化，结果分别输入权值共享的三层全连接网络，进行维度变化，输出结果相加，再经过sigmoid函数后得到一维的通道注意力；对于卷积层的输出，在通道维度上进行最大池化和平均池化，得到二维的中间结果，将两者在通道维度上相连，输入卷积层，结果经过损失函数，得到单通道的二维空间注意力；通道注意力和空间注意力先后与特征图相乘，得到优化后的特征图；将优化后的特征图进行识别，得到识别结果。2.根据权利要求1所述的基于深度学习的红外运动目标识别方法，其特征在于，所述得到一维的通道注意力的数学表达如下：Z
avg
＝avg(U)Z
max
＝max(U)S
c
＝σ(fc2(δ(fc1(Z
avg
)))+fc2(δ(fc1(Z
max
))))式中，avg(
·
)表示全局平均池化，ma...

【专利技术属性】
技术研发人员：刘聆，彭波，刘冬云，
申请(专利权)人：长沙一扬电子科技有限公司，
类型：发明
国别省市：