【技术实现步骤摘要】
本专利技术涉及计算机处理，具体而言，涉及一种目标检测模型训练方法、装置、电子设备及存储介质。
技术介绍
1、视频卫星在监测、导航、资源管理等领域发挥着重要作用，视频卫星图像中的小目标检测是视频卫星图像目标识别中的一项关键任务，作为计算机视觉领域中的热点和难点问题，尤其对于视频卫星图像，由于拍摄距离较远，地面目标自身分辨率较低，目标在图像中所占的像素较少，并受到复杂背景因素的干扰，直接从输入图像中准确地检测微小目标变得非常困难。
2、目前用于小目标检测的网络模型通常采用注意力机制来提升模型对小目标检测的性能，例如se(squeeze-and-excitation)、eca(efficient channel attention)、cbam(convolutional block attention module)、sge(spatial group-wise enhance)、ema(efficient multi-scale attention)等等。现有的注意力机制对于特征提取考虑的层面不够充分，存在微小目标检测精度低、效
本文档来自技高网...【技术保护点】
1.一种目标检测模型训练方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，将所述数据集输入待训练的初始检测模型中的特征提取网络，对于每个所述样本图像，通过所述特征提取网络对所述样本图像进行多尺度特征提取和注意力特征提取，得到每个所述样本图像对应的多个多尺度特征图，包括：
3.根据权利要求2所述的方法，其特征在于，对于每个所述样本图像，所述三叉戟空间注意力子模块包括3个空间注意力模块、1个concatenate层和1个CBS模块；
4.根据权利要求3所述的方法，其特征在于，每个所述空间注意力模块分别包括第一池...
【技术特征摘要】
1.一种目标检测模型训练方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，将所述数据集输入待训练的初始检测模型中的特征提取网络，对于每个所述样本图像，通过所述特征提取网络对所述样本图像进行多尺度特征提取和注意力特征提取，得到每个所述样本图像对应的多个多尺度特征图，包括：
3.根据权利要求2所述的方法，其特征在于，对于每个所述样本图像，所述三叉戟空间注意力子模块包括3个空间注意力模块、1个concatenate层和1个cbs模块；
4.根据权利要求3所述的方法，其特征在于，每个所述空间注意力模块分别包括第一池化层、第二池化层、第一卷积层和第一激活函数；
5.根据权利要求1所述的方法，其特征在于，计算每个所述待检测目标的类...
【专利技术属性】
技术研发人员：卢涛，郎秀娟，汪家明，张显鸿，张彦铎，朱柏霖，
申请(专利权)人：武汉工程大学，
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。