红外小目标检测网络训练方法、装置、设备及存储介质制造方法及图纸

本申请公开了一种红外小目标检测网络训练方法、装置、设备及存储介质，涉及目标检测技术领域，包括：基于正样本数量以及预设比例系数，从初始负样本集中筛选出难负样本集和易负样本集；所述预设比例系数为预设设置的用于提升正负样本数量均衡程度的系数；根据难负样本集和易负样本集生成用于对反向传播过程中的样本进行控制的权重矩阵；基于权重矩阵确定难点挖掘损失函数，并利用难点挖掘损失函数对红外小目标检测网络进行点监督训练。通过上述方案，基于正样本数量和预设比例系数确定难负样本集和易负样本集，防止了目标检测网络训练过程中正负样本数量不均衡的情况发生，提高了正负样本的数量均衡程度，从而提高了目标检测网络的训练效果。络的训练效果。络的训练效果。

【技术实现步骤摘要】
红外小目标检测网络训练方法、装置、设备及存储介质


[0001]本专利技术涉及目标检测
，特别涉及一种红外小目标检测网络训练方法、装置、设备及存储介质。

技术介绍

[0002]红外小目标检测的目的是将目标从杂波背景中分离出来并准确定位，目前广泛应用于民用和军事领域，如火灾报警系统、无人机视觉系统和早期预警系统。近年来，基于深度学习的红外小目标检测方法由于其强大的特征学习能力而取得了良好的效果。
[0003]然而，由于红外图像中小目标仅占几个到几十个像素，目标像素在所有像素中的占比非常小，导致训练红外小目标检测网络过程中使用的正负样本数量不均衡，这种情况会影响到目标检测网络的训练效果，可能会使得网络对红外小目标的特征学习不充分，从而导致网络性能难以提升。

技术实现思路

[0004]有鉴于此，本专利技术的目的在于提供一种红外小目标检测网络训练方法、装置、设备及存储介质，可以防止在目标检测网络训练过程中正负样本数量不均衡的情况发生，提高正负样本的数量均衡程度，从而提高目标检测网络的训练效果。其具体方案如下：
[00本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种红外小目标检测网络训练方法，其特征在于，包括：基于正样本数量以及预设比例系数，从初始负样本集中筛选出难负样本集和易负样本集；所述预设比例系数为预设设置的用于提升正负样本数量均衡程度的系数；根据所述难负样本集和所述易负样本集生成用于对反向传播过程中的样本进行控制的权重矩阵；基于所述权重矩阵确定难点挖掘损失函数，并利用所述难点挖掘损失函数对红外小目标检测网络进行点监督训练。2.根据权利要求1所述的红外小目标检测网络训练方法，其特征在于，所述基于正样本数量以及预设比例系数，从初始负样本集中筛选出难负样本集和易负样本集，包括：基于正样本数量以及预设比例系数确定难负样本集中的第一样本数量以及易负样本集中的第二样本数量；利用基于像素样本的初始损失构建的难负样本筛选规则，从初始负样本集中筛选出所述第一样本数量个负样本，得到难负样本集；从所述初始负样本集中筛选出所述第二样本数量个负样本，得到易负样本集。3.根据权利要求2所述的红外小目标检测网络训练方法，其特征在于，所述基于正样本数量以及预设比例系数确定难负样本集中的第一样本数量以及易负样本集中的第二样本数量，包括：基于正样本数量以及用于提升正负样本数量均衡程度的第一预设比例系数，确定难易负样本总数量；所述第一预设比例系数为预先设置的用于表征所述正样本数量与所述难易负样本总数量之间比值的系数；基于所述难易负样本总数量以及第二预设比例系数确定难负样本集中的第一样本数量以及易负样本集中的第二样本数量；所述第二预设比例系数为预先设置的用于表征难负样本数量与易负样本数量之间比值的系数。4.根据权利要求2所述的红外小目标检测网络训练方法，其特征在于，所述从初始负样本集中筛选出所述第一样本数量个负样本之前，还包括：基于第一预设权重确定规则确定所述红外小目标检测网络上一次的网络输出结果图中各像素样本的样本损失权重；所述第一预设权重确定规则为将以目标像素为中心的保护框中的目标像素和非目标像素各自对应的样本损失权重分别配置为第一非零值和零；根据像素样本的样本标签对应的类别概率以及所述样本损失权重，确定所述网络输出结果图中各像素样本的初始损失。5.根据权利要求2所述的红外小目标检测网络训练方法，其特征在于，所述利用基于像素样本的初始损失构建的难负样本筛选规则，从初始负样本集中筛选出所述第一样本数量个负样本，包括：从初始负样本集中筛选出第一初始难负样本集；所述第一初始难负样本集中的负样本的初始损失不小于所述初始负样本集中的其...

【专利技术属性】
技术研发人员：李淼，李若敬，凌强，林再平，曾瑶源，盛卫东，李骏，安玮，
申请(专利权)人：中国人民解放军国防科技大学，
类型：发明
国别省市：