摘要
本发明涉及一种融合多尺度对比特征的复杂场景红外弱目标检测方法及系统,该方法包括:获取目标区域中复杂背景下的红外图像;在YOLO模型中添加多重注意力感知模块,用于在不同维度自适应调整,获取特征信息;多重注意力感知模块包括:通道注意力机制子模块和空间注意力机制子模块;利用训练集训练包含有多重注意力感知模块的YOLO模型,并在训练过程中,提取YOLO模型中卷积层的卷积核,根据卷积核群组,对卷积层进行轻量化处理,获得红外弱目标检测模型;将红外图像输入至红外弱目标检测模型,获取目标检测结果。本发明弥补单一模态特征描述的不足,提高复杂背景下红外弱小目标的检测性能,增强小目标检测算法在不同场景中的鲁棒性。
技术关键词
YOLO模型
超图模型
通道注意力机制
多尺度
子模块
模型训练模块
场景
训练集
卷积模块
聚类
图像获取模块
网络
学习算法
语义
切片
输入端
系统为您推荐了相关专利信息
AI人工智能
数据管理系统
发票真伪识别
区块链智能合约
自然语言理解技术
注意力
工况
短时傅里叶变换
机械故障诊断技术
子模块
双线性插值方法
多尺度特征融合
分支
双编码器
模块