摘要
本申请公开了一种模型训练方法及红外弱小目标检测方法,所训练的模型以Yolov3模型为框架,把Yolov3模型中对应大尺寸特征图的检测层剪除,使得模型更聚焦图像的中小目标;本申请还利用通道注意力机制和空间注意力机制,把在Yolov3模型的骨干网络提取的浅层特征视作有效特征,利用浅层特征指导中间层特征,使模型选择性关注在检测弱小目标时更重要的特征,并嵌入其他层有效特征,有效利用图像的细节信息,增强模型的拟合能力和检测性能;此外本发明还提出建立联合损失函数,缓解弱小目标位置回归约在相似度度量上的尺度敏感性,多个度量方式互相弥补,从多角度对位置预测框进行指导,有利于优化模型对目标最终位置预测的准确性。
技术关键词
通道注意力机制
模型训练方法
联合损失函数
强化特征
融合特征
中间层
模型训练装置
积层
图像获取模块
多层感知机
度量
网络
模型训练模块
标签
电子设备
系统为您推荐了相关专利信息
时间序列预测模型
随访方法
远程医疗终端
指标
医疗知识图谱
数据分析方法
音频特征
融合特征
视频
数据分析模型
教学数据分析
节点
多模态特征融合
学习终端
表达式
模型训练方法
加速卡
客户端
服务端
模型训练装置
深度视觉特征
面部特征
交互注意力
关键点特征提取
双模态