摘要
一种基于动态卷积和Mamba的双编码融合的红外小目标检测方法。其包括构建初始红外小目标检测网络模型;将训练集输入模型训练,获得红外小目标检测网络模型;将测试集的红外小目标图像输入红外小目标检测网络模型,输出红外小目标检测结果等步骤。本发明使用动态卷积方法构造的局部信息编码器对红外小目标的纹理结构信息进行提取;使用Mamba方法构造的全局信息编码器,通过对图像大视野范围信息的建模,获得有效的全局上下文信息;上采样交叉增强融合可以有效融合红外图像的局部和全局特征信息,增强局部和全局特征的相关性同时,也加强了目标与背景杂波的语义差异,进而提高了算法检测性能以及鲁棒性。
技术关键词
检测网络模型
卷积模块
输出特征
上采样
图像
卷积编码器
Sigmoid函数
动态
训练集
信息编码器
融合特征
空间模块
解码器
像素点
局部空间特征
局部纹理特征
数据
深度学习框架
系统为您推荐了相关专利信息
时域卷积网络
神经网络模型
长短期记忆网络
卷积模块
电能
航空工件
故障检测方法
超声波扫描装置
状态空间模型
成像