摘要
本申请提供的基于双模态不一致抑制的无人机多尺度融合检测方法,涉及图像检测技术领域,包括:采集复杂环境的可见光图像和红外图像,对采集到的复杂环境的可见光图像和红外图像进行筛选、配准和标注,构建跨模态数据集;构建BiFPN‑CALNet模型,包括双流骨干网络、CALNet网络、加权双向特征金字塔网络BiFPN和检测头;使用跨模态数据集对BiFPN‑CALNet模型进行训练,得到训练好的BiFPN‑CALNet模型;基于训练好的BiFPN‑CALNet模型,输入待检测的无人机可见光图像和红外图像,得到目标检测结果。本申请借助跨模态冲突矫正和多尺度特征传递,在复杂环境下能够实现更精准的目标检测,为无人机检测任务提供了一种高效且可靠的解决方案。
技术关键词
可见光图像
模态特征
融合检测方法
红外图像特征
跨模态数据
双向特征金字塔
双模态
多尺度
无人机
网络
融合特征
Sigmoid函数
矩阵
双光谱成像设备
更新模型参数
卷积滤波器
特征描述符
系统为您推荐了相关专利信息
智能家居设备
联动控制方法
场景
大语言模型
声学特征
可见光图像
图像融合方法
多模态特征
融合特征
红外图像特征
母猪发情
多模态特征融合
神经网络模型
视频段
深度学习算法
光伏功率预测方法
模态特征
全天空成像仪
异常数据点
时序
定位预警系统
多模态交互
三维位置信息
信息采集程序
语义特征