一种基于共享特征网络的红外图像目标检测方法技术

本发明专利技术公开了一种基于共享特征网络的红外图像目标检测方法，包括如下步骤：S1、构建合成数据集D

【技术实现步骤摘要】
一种基于共享特征网络的红外图像目标检测方法


[0001]本专利技术涉及信息处理
，特别涉及一种基于共享特征网络的红外图像目标检测方法。

技术介绍

[0002]红外图像目标检测算法的目的是识别和定位图像中的重要目标。随着大规模标注数据集的收集和深度卷积神经网络的发展，与基于传统特征的目标检测器相比，基于深度学习的红外图像目标检测器的检测性能有了很大的飞跃。然而，上述方法并不适用于低质量场景下的红外目标检测；
[0003]针对低质量红外图像目标检测问题，利用数据驱动的方法是困难的。低质量红外图像中包含多种传感器噪声、曝光不一致噪声、图像对比度低等问题，导致低质量红外图像与正常红外图像的特征分布存在明显差异，进而基于大规模正常红外图像训练的目标检测方法在低质量红外图像上检测精度明显降低。然而，由于低质量红外图像包含的噪声种类繁多，收集并标注低质量红外图像是耗时、繁琐的，因此利用数据驱动的方法解决低质量红外图像目标检测问题并不现实。基于计算机图形学的合成图像具有图像种类多、合成成本低等优势，已被应用在目标检测领域。合成图像和图像传感器捕获本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于共享特征网络的红外图像目标检测方法，其特征在于，包括如下步骤：S1、构建合成数据集D
N
和真实红外数据集D
L
。S2、将数据集D
N
与D
L
的红外图像输入风格迁移网络，利用两个生成器G和F、两个判别器DIS
x
和DIS
y
，将合成的红外图像转换为类似真实的红外图像D
NL
。S3、将数据集D
NL
与D
L
的训练数据交替输入至检测器网络进行训练，训练得到的骨干网络特征为Conv1、Conv2_x、Conv3_x、Conv4_x和Conv5_x；特征金字塔网络利用骨干网络提取的特征生成特征{L3，L4，L5，L6，L7}。S4、根据特征金字塔网络生成的特征{L3，L4，L5，L6，L7}，构建目标分类特征C和位置回归特征R，并分别输入到分类鉴别器和回归鉴别器中训练增强网络；其中，根据输入图像是来自数据集D
NL
还是D
L
，进行共享特征网络的训练反馈。S5、重复步骤S2
‑
S4，并按照步骤S2
‑
S4训练检测器和鉴别器，当性能验证指标开始下降或者训练轮数达到1000次，停止训练；S6、将测试图片输入至共享特征网络，得到目标的检测类别与位置，统计实验结果，并计算相关指标分数。2.根据权利要求1所述的一种基于共享特征网络的红外图像目标检测方法，其特征在于：所述真实红外数据集包含2971幅图像，其中1000幅图像作为训练数据集D
Ltr
，500幅图像作为验证数据集D
Lval
，剩下的图像作为测试数据集D
Lte
，合成数据集是基于计算机图形学的合成数据集，有9974幅图像，含训练集D
Ntr
。3.根据权利要求2所述的一种基于共享特征网络的红外图像目标检测方法，其特征在于：所述真实红外数据集构成的真实红外图像表示为I
L
，所述合成数据集构成的图像表示为I
N
。4.根据权利要求3所述的一种基于共享特征网络的红外图像目标检测方法，其特...

【专利技术属性】
技术研发人员：侯艳杰，吴思远，王竞克，李春雨，马荣生，杨玖文，谷鹏冲，崔俊峰，夏利利，于国涛，王丽莉，
申请(专利权)人：中国人民解放军六三七二九部队，
类型：发明
国别省市：