【技术实现步骤摘要】
本专利技术属于红外图像目标检测，具体涉及一种基于动态上采样与多维注意力机制的红外目标检测方法。
技术介绍
1、航空成像具有高时效、低成本等优势，在各领域都发挥着举足轻重的作用。目标检测是指使用算法算出图像中目标的位置坐标以及类别。红外目标检测是目标检测的一个重要分支。红外探测成像可利用自然界物体自身发出的红外辐射进行探测，而无需探测器主动照射，且红外波长较长，具有较长的穿透力，受环境影响小，尤其是在夜视场景中依旧能与白天场景一样稳定发挥，实现全天候工作。但与可见光图像相比，红外图像信噪比低、目标的细节信息如纹理颜色特征贫乏、对比度低，并且机载红外图像成像距离远、范围大，导致图像分辨率低、目标尺度小、目标密集以及背景干扰大等问题，使得机载红外目标检测相对非航空的红外目标检测存在更多困难。
2、目标检测算法可以分为传统的非深度学习的目标检测技术和基于深度学习的目标检测技术，非深度学习的目标检测技术主要分为：基于灰度信息统计的方法、基于模板匹配的方法、基于视觉显著性的方法和基于机器学习的方法。
3、基于灰度信息统计的方...
【技术保护点】
1.一种基于动态上采样与多维注意力机制的红外目标检测方法，其特征在于，包括：
2.根据权利要求1所述的基于动态上采样与多维注意力机制的红外目标检测方法，其特征在于，所述目标检测网络模型的训练过程包括：
3.根据权利要求2所述的基于动态上采样与多维注意力机制的红外目标检测方法，其特征在于，所述MDPIoU损失函数表示为：
4.根据权利要求1或2所述的基于动态上采样与多维注意力机制的红外目标检测方法，其特征在于，所述目标检测网络模型包括主干网络、颈部网络和检测头；所述主干网路由5个CBS单元、4个C2f模块和SPPF模块组成；所述颈部网...
【技术特征摘要】
1.一种基于动态上采样与多维注意力机制的红外目标检测方法，其特征在于，包括：
2.根据权利要求1所述的基于动态上采样与多维注意力机制的红外目标检测方法，其特征在于，所述目标检测网络模型的训练过程包括：
3.根据权利要求2所述的基于动态上采样与多维注意力机制的红外目标检测方法，其特征在于，所述mdpiou损失函数表示为：
4.根据权利要求1或2所述的基于动态上采样与多维注意力机制的红外目标检测方法，其特征在于，所述目标检测网络模型包括主干网络、颈部网络和检测头；所述主干网路由5个cbs单元、4个c2f模块和sppf模块组成；所述颈部网络由4个contact模块、2个dysample模块和6个cbs单元；所述检测头由并列的3个cbs模块、串联的3个多维注意力机制模块和并列的3个耦合头组成。
5.根据权利要求4所述的基于动态上采样与多维注意力机制的红外目标检测方法，其特征在于，所述主干网络内部的5个cbs单元分别为第1至第5cbs单元，4个c2f模块分别为第1至第4的c2f模块；所述主干网络的内部连接关系为第1cbs单元、第2cbs单元、第1c2f模块、第3cbs单元、第2c2f模块、第4cbs单元、第3c2f模块、第5cbs单元、第4c2f模块、sppf模块依次串联；
6.根据权利要求4所述的基于动态上采样与多维注意力机制的红外目标检测方法，其特征在于，每个cbs单元均由一个二维卷积层、一个批归一化层以及一个silu激活函数依次连接组成；每个dysample模块由一个1×1且输出通道数为32的二维卷积层、子像素卷积模块以及一个网格采样模块组成；1×1且输出通道数为32的二维卷积层输入特征图，输出依次经过与静态范围因子相乘，再经过与坐标网格矩阵相乘之后输入至所述子像素卷积模块的输入，所述子像素卷积模块还输入所述特征图。
7.根据权利要求4所述的基于动态上采样与多维注意力机制的红外目标检测方法，其特征在于，每个多维度注意力...
【专利技术属性】
技术研发人员：郭亮，莫慧禄，朱元凯，荆丹，汤恒仁，赵杨，隋静，刘德连，韩亮，许晴，李良超，邢孟道，
申请(专利权)人：西安电子科技大学，
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。