一种红外小目标检测方法、系统、设备及存储介质技术方案

本发明专利技术公开一种红外小目标检测方法、系统、设备及存储介质，涉及目标检测领域，方法包括获取近红外波段图像并根据所述近红外波段图像构建数据集；对所述数据集进行训练集、验证集和测试集划分；利用所述训练集和所述验证集对改进YOLOv7网络进行训练，得到红外小目标检测模型；所述改进YOLOv7网络包括依次连接的输入层、骨干网络、头部网络和ASFF检测头；所述ASFF检测头用于对所述头部网络输出的特征图进行加权融合；根据所述测试集对所述红外小目标检测模型，得到检测结果。本发明专利技术能够提高红外小目标的检测效果。

【技术实现步骤摘要】

本专利技术涉及目标检测领域，特别是涉及一种红外小目标检测方法、系统、设备及存储介质。

技术介绍

1、目标检测(object detection)的任务是找出图像中所有感兴趣的目标(物体)，确定它们的类别和位置，是计算机视觉领域的核心问题之一。由于各类物体有不同的外观、形状和姿态，加上成像时光照、遮挡等因素的干扰，目标检测一直是计算机视觉领域最具有挑战性的问题。其核心任务为分类和定位，前者是给出目标所属类别，后者是给出目标具体位置。传统的目标检测是依赖于人工设计特征，随着深度学习方法的发展，目标检测任务取得了重大突破，结合深度学习后的检测模型鲁棒性更好，并且由于其强大的特征提取能力，也使得检测精度和准确度增加。基于深度学习的目标检测又可以根据使用的算法类型大致分为两类，分别是两阶段算法和一阶段算法。二者之间最关键的差别在于是否生成候选框，正是由于这一步骤，通常两阶段算法精度可能会更高，一阶段算法检测速度会更快，因为省略了生成候选框这一步骤。

2、现有方法的步骤：首先将标注好的数据集划分为三个部分或两个部分(对于检测任务，标注信息包括此张图像中的目本文档来自技高网...

【技术保护点】

1.一种红外小目标检测方法，其特征在于，包括：

2.根据权利要求1所述的红外小目标检测方法，其特征在于，在对所述数据集进行训练集、验证集和测试集划分之前，还包括：

3.根据权利要求1所述的红外小目标检测方法，其特征在于，所述头部网络具体包括特征提取模块和与所述特征提取模块连接的动态卷积模块；所述动态卷积模块包括依次连接的第一MPConv、第一cat、第一Catconv、第一ODConv、第二MPConv、第二cat、第二Catconv和第二ODConv。

4.根据权利要求3所述的红外小目标检测方法，其特征在于，所述第一ODConv和所述第二ODConv...

【技术特征摘要】

1.一种红外小目标检测方法，其特征在于，包括：

2.根据权利要求1所述的红外小目标检测方法，其特征在于，在对所述数据集进行训练集、验证集和测试集划分之前，还包括：

3.根据权利要求1所述的红外小目标检测方法，其特征在于，所述头部网络具体包括特征提取模块和与所述特征提取模块连接的动态卷积模块；所述动态卷积模块包括依次连接的第一mpconv、第一cat、第一catconv、第一odconv、第二mpconv、第二cat、第二catconv和第二odconv。

4.根据权利要求3所述的红外小目标检测方法，其特征在于，所述第一odconv和所述第二odconv结构相同；所述第一odconv包括第一bconv层、第二bconv层、第三bconv层、第四bconv层、第五bconv层、odconv层和cat层；第二bconv层、第三bconv层、第四bconv层...

【专利技术属性】
技术研发人员：郭杨，刘福聪，李冰，王少博，陶雁华，袁硕，王晋，李环宇，王仕成，廖守亿，张金生，
申请(专利权)人：中国人民解放军火箭军工程大学，
类型：发明
国别省市：