【技术实现步骤摘要】
本专利技术属于数据识别领域，涉及一种红外目标识别方法。
技术介绍
1、与可见光图像（rgb图像）相比，红外图像在恶劣的照度环境下具有突出的优势。红外目标探测在预警系统和海洋监测系统等许多应用中发挥着非常重要的作用。
2、与可见光图像相比，红外图像往往分辨率更低，且缺少物体的颜色信息。此外，红外图像中经常存在强背景杂波、噪声和低对比度等问题。这会导致一些在可见光图像中的低难度样本在红外图像中难以被检测到，如绿草上的红色足球。上述问题使红外目标探测成为一项艰巨的任务。
3、近年来，基于深度学习的方法也被用于红外目标检测识别。在基于深度学习的方法中，整体模型主要可分为特征提取部分和结果预测部分。例如，ristdnet通过整合多尺度卷积结果，提高了红外图像目标的特征提取能力；thermaldet用于红外目标检测，取得了竞争性能，该结构可以在融合不同层次的特征后，自适应地重新加权特征的每个通道；deep-ir target通过自注意网络建立每个特征通道之间的信息路径，进一步提取图像的空间信息。然而，这些方法主要关注红外图像...
【技术保护点】
1.一种基于困难样本增强损失的红外目标识别方法，所采用的红外目标识别检测模型包括骨干网、颈部和头部，其特征在于：
2.如权利要求1所述的基于困难样本增强损失的红外目标识别方法，其特征在于：各所述阶段部分分别包括多个卷积块；所述卷积块的结构使用了Res2Net中的结构，它对输入特征进行卷积运算、然后将得到的特征张量沿信道分为四组，再依次进行加法和卷积运算。
3.如权利要求1所述的基于困难样本增强损失的红外目标识别方法，其特征在于：四个阶段部分中，第一个阶段部分基于卷积层输出的图像特征，得到一组特征张量，然后输入至第二个阶段部分；
4....
【技术特征摘要】
1.一种基于困难样本增强损失的红外目标识别方法，所采用的红外目标识别检测模型包括骨干网、颈部和头部，其特征在于：
2.如权利要求1所述的基于困难样本增强损失的红外目标识别方法，其特征在于：各所述阶段部分分别包括多个卷积块；所述卷积块的结构使用了res2net中的结构，它对输入特征进行卷积运算、然后将得到的特征张量沿信道分为四组，再依次进行加法和卷积运算。
3.如权利要求1所述的基于困难样本增强损失的红外目标识别方法，其特征在于：四个阶段部分中，第一个阶段部分基于卷积层输出的图像特征，得到一组特征张量，然后输入至第二个阶段部分；
4.如权利要求3所述的基于困难样本增强损失的红外目标识别方法，其特征在于：所述注意力增强模块包括依次连接的第一部分、第二部分和第三部分。
5.如权利要求4所述的基于困难样本增强损失的红外目标识别方法，其特征在于：在第一部分中，注意力增强模块将输...
【专利技术属性】
技术研发人员：徐从安，吴俊峰，高龙，孙显，史骏，孙炜玮，周伟，宿南，艾加秋，
申请(专利权)人：中国人民解放军海军航空大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。