申请/专利权人:重庆大学
申请日:2024-03-30
公开(公告)日:2024-06-11
公开(公告)号:CN118172634A
主分类号:G06V10/80
分类号:G06V10/80;G06V10/82;G06T7/00;G06N3/045;G06N3/0464
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.06.28#实质审查的生效;2024.06.11#公开
摘要:本发明涉及基于跨越连接与融合注意力机制的红外弱小目标检测方法,步骤1.获取红外图像;步骤2:将所述红外图像输入至改进的YOLOv5网络模型,得到所述红外图像对应的检测结果;在主干网络中设有卷积注意力模块,并与残差网络相融合设计C3CSA模块进行特征提取,以降低复杂场景中的背景干扰;在颈部网络中引入跨越连接双向特征融合金字塔网络,在自顶向下传递高层语义信息到低层的同时,自底向上将低层细节特征传递到高层,并通过增加跨越连接线来减少因深层特征提取丢失的部分小弱目标信息,凸显小弱目标在不同尺度上的表达和定位能力;在检测头模块中增设一个高分辨率特征图的弱小目标检测头,以避免大尺度检测头带来的背景干扰。
主权项:1.一种基于跨越连接与融合注意力机制的红外弱小目标检测方法,包括以下步骤:步骤1.获取红外图像;步骤2:将所述红外图像输入至改进的YOLOv5网络模型,得到所述红外图像对应的检测结果;其中:所述改进的YOLOv5网络模型是基于常规YOLOv5网络模型,在YOLOv5网络模型的主干网络中设有卷积注意力模块,并与残差网络相融合设计C3CSA模块进行特征提取,以降低复杂场景中的背景干扰;在颈部网络中引入跨越连接双向特征融合金字塔网络,在自顶向下传递高层语义信息到低层的同时,自底向上将低层细节特征传递到高层,并通过增加跨越连接线来减少因深层特征提取丢失的部分小弱目标信息,以实现全局和局部信息的交互,凸显小弱目标在不同尺度上的表达和定位能力;在检测头模块中增设一个高分辨率特征图的弱小目标检测头,以避免大尺度检测头带来的背景干扰;所述改进的YOLOv5网络模型在训练和应用时,采用NWD度量作为网络回归损失的损失函数。
全文数据:
权利要求:
百度查询: 重庆大学 基于跨越连接与融合注意力机制的红外弱小目标检测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。