复杂环境光电成像弱小目标智能检测方法技术

本发明专利技术公开了一种复杂环境光电成像弱小目标智能检测方法，属于目标检测技术领域。本发明专利技术包括：对待检测的图像进行尺寸归一化处理，然后进行分组卷积处理，接着再进行下采样后通过四层堆叠的残差模块层对第二特征图进行多尺度特征提取；采用阶梯型结构特征融合方式对第二层、第三层和第四层的残差模块层的输出特征图进行多尺度融合处理，得到融合特征图；最后通过分类检测判定器对融合特征图进行弱小目标检测处理，得到弱小目标的检测处理结果；本发明专利技术通过对检测网络的改进，以使得本发明专利技术的网络模型算法具备特征信息更加丰富的特点。本发明专利技术在有效提高精度表现的同时，减少了误检率，降低了模型复杂度。降低了模型复杂度。

【技术实现步骤摘要】
复杂环境光电成像弱小目标智能检测方法


[0001]本专利技术属于目标检测
，具体涉及一种复杂环境光电成像弱小目标智能检测方法。

技术介绍

[0002]在多种应用场景下，存在使用算法软件来模拟人眼对影像文件中的目标进行智能检测、识别分类并在此基础上处理更复杂的任务的需求。在漫长的生物衍化过程中，以人眼为信息输入人脑为信息处理的视觉系统功能非常强大，不仅处理速度快而且抗干扰能力强。计算机视觉早期发展缓慢，达到人类视觉系统水平存在较大困难。随着机器学习研究领域的持续发展,深度学习方法引入计算机视觉后，在许多视觉任务中计算机取得了优于人眼的成绩。
[0003]分类检测和分割任务构成了计算机视觉的基本任务，因此目标检测和识别作为高级视觉任务的前置任务研究历史悠久。检测和识别任务不仅需要确定目标是否包含还需要用矩形预测盒的方式来说明该目标在图片中的详细坐标信息。在完成弱小目标位置检测后，对目标类别进行分类判定并给出结果。近年来随着计算机视觉相关理论与技术的不断进步，在复杂环境下的弱小目标检测已经逐渐成为该领域新的研究热点。但现有的神经网络算法本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.复杂环境光电成像弱小目标智能检测方法，其特征在于，包括下列步骤：步骤S1：对待检测的图像进行尺寸归一化处理，得到期望的图像尺寸；步骤S2：采用卷积核大小为5
×
5的深度卷积对步骤S1处理后的图像进行分组卷积，得到第一特征图；步骤S3：通过一个步长为2卷积核大小为3
×
3卷积进行第一次下采样，得到第二特征图；步骤S4：通过四层堆叠的残差模块层对第二特征图进行多尺度特征提取；所述残差模块层具体为：步骤S3产生的第二特征图作为第一层残差模块层的输入特征图，第二、三和四层残差模块层的输入特征图为上一残差模块层的输出特征图；即上一层的输出特征图作为下一层的输入特征图；每一层残差模块层的网络结构相同，采用轻量级卷积结构ShuffleNet2作为基础卷积模块，残差模块层的输入特征图经基础卷积模块后，再与当前残差模块层的输入特征图按通道进行拼接后，得到当前残差模块层的输出特征图；步骤S5：采用阶梯型结构特征融合方式对第二层、第三层和第四层的残差模块层的输出特征图进行多尺度融合处理，得到融合特征图；其中，阶梯型结构特征融合方式为：定义第二层、第三层和第四层的残差模块层的输出特征图分别为第一尺度特征图、第二尺度特征图和第三尺度特征图，并定义第二层、第三层和第四层的残差模块层的输出特征图的特征图维度分别为第一尺度、第二尺度和第三尺度；将第三尺度特征图的特征图维度变换为第二尺度，再与第二尺度特征图进行通道拼接，得到第一拼接结果；并将第一拼接结果的特征图...

【专利技术属性】
技术研发人员：邢建川，莫国坤，曾凤，陈洋，周春文，付鱼，王菲，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：