一种基于域自适应的红外小样本目标检测方法

本发明公开了一种基于域自适应的红外小样本目标检测方法，解决了红外图像通常缺乏丰富的视觉细节和语义信息，导致在深度学习模型中提取有效特征变得更加困难，且现有跨域算法在红外目标检测中准确率较低的问题；通过跨域视觉优化模型，实现可见光图像到红外图像的风格迁移。对YOLOv8目标检测网络进行改进，用DCNv4_C2f模块替换主干网络中的特定C2f层，并引入了可变形卷积，能够更有效地捕获具有复杂形状和外观的物体的特征。设计了新的多池化混合注意力机制并将其引入目标检测网络，能够有效捕获跨通道的信息，还能够获取方向信息和位置信息，提升其对红外图像中模糊目标和密集目标的检测能力，有效避免漏检问题。