一种基于扩散模型的先验引导弱特征隐匿目标回归方法

本发明公开了一种基于扩散模型的先验引导弱特征隐匿目标回归方法，首先对已标注数据进行数据增强增加数据泛化性；其次设计弱特征隐匿目标边缘推理方法，通过边缘引导的信息精炼模块辅助对弱特征目标的位置理解；而后在扩散模型架构下，以复杂场景作为条件信息，当前阶段数目，以及上一阶段输出作为当前阶段输入，进行初始阶段到当前阶段的高斯噪声预测，实现反向传播；再高斯噪声预测过程中使用由粗到精的思想，通过多层级特征融合对回归结果的进一步优化。这种隐匿目标回归采用区别于传统编码器‑解码器结构的扩散模型框架，可以针对弱特征隐匿目标实现像素级的回归，对弱特征目标细节重建方面、模型可解释性方面有更加优异的表现。