基于扫视与凝视的单波段骨干网络架构的特征提取方法技术

本发明专利技术公开了基于扫视与凝视的单波段骨干网络架构的特征提取方法，包括：构建包含扫视网络、低尺度特征提取模块和多个尺度不同的凝视网络的骨干网络；获取单波段红外图像并输入至扫视网络，得到红外图像候选区域和增强红外图像；增强红外图像输入至低尺度特征提取模块，得到提取特征；提取特征和红外图像候选区域分别输入至第一个凝视网络，得到第一尺度特征；第一尺度特征和红外图像候选区域分别输入至下一个凝视网络，得到第二尺度特征，以此类推，直至最后一个凝视网络处理得到的尺度特征作为红外目标深度特征。能够主动、快速、准确地提取单波段图像中目标高维特征。

【技术实现步骤摘要】

本专利技术涉及图像处理，更具体的说是涉及基于扫视与凝视的单波段骨干网络架构的特征提取方法。

技术介绍

1、目前，随着人工智能软硬件技术的普及，目标识别、目标检测、图像分割等计算机视觉任务普遍使用基于深度学习的卷积神经网络实现特征提取。特征提取是指对输入图像进行处理，以便提供信息和非冗余的特征，从而促进后续的学习和泛化步骤，并且在某些情况下带来更好的可解释性。在网络架构设计中结合视觉注意力机制是当下的研究与应用热点之一，视觉注意力机制是生物处理视觉信息时脑神经系统的响应机制，可分为自底向上与自顶向下两类。

2、但是，现有结合视觉注意力机制的卷积神经网络多以自底向上的注意力机制为主，该类方法计算开销小但泛化性提升有限；而结合自顶向下注意力机制的神经网络架构泛化性强大但参数量巨大，无法直接作为网络子模块嵌入至卷积神经网络之中。

3、由于现有基于注意力机制的神经网络架构并未有效结合自底向上与自顶向下这两种视觉注意力机制，因此这类方法存在泛化性与参数量瓶颈。以参数量巨大但泛化性强的transformer网络架构为例，由于该网络无法快速获取并长本文档来自技高网...

【技术保护点】

1.基于扫视与凝视的单波段骨干网络架构的特征提取方法，其特征在于，包括：

2.根据权利要求1所述的基于扫视与凝视的单波段骨干网络架构的特征提取方法，其特征在于，所述扫视网络包括：MWT网络、筛选网络、候选区域网络和增强网络；

3.根据权利要求2所述的基于扫视与凝视的单波段骨干网络架构的特征提取方法，其特征在于，所述MWT网络包括：多个小波变换模块、第一拼接模块、第一批归一化层和第一SiLu函数层；

4.根据权利要求2所述的基于扫视与凝视的单波段骨干网络架构的特征提取方法，其特征在于，所述候选区域网络包括：第三卷积、第三SiLu函数层、第四卷积、第四Si...

【技术特征摘要】

1.基于扫视与凝视的单波段骨干网络架构的特征提取方法，其特征在于，包括：

2.根据权利要求1所述的基于扫视与凝视的单波段骨干网络架构的特征提取方法，其特征在于，所述扫视网络包括：mwt网络、筛选网络、候选区域网络和增强网络；

3.根据权利要求2所述的基于扫视与凝视的单波段骨干网络架构的特征提取方法，其特征在于，所述mwt网络包括：多个小波变换模块、第一拼接模块、第一批归一化层和第一silu函数层；

4.根据权利要求2所述的基于扫视与凝视的单波段骨干网络架构的特征提取方法，其特征在于，所述候选区域网络包括：第三卷积、第三silu函数层、第四卷积、第四silu函数层和高斯滤波算子；

5.根据权利要求2所述的基于扫视与凝视的单波段骨干网络架构的特征提取方法，其特征在于，所述增强网络包括：第二非线性函数层和上采样层；...

【专利技术属性】
技术研发人员：李波，唐文婷，韦星星，孟端倪，刘偲，席紫藤，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：