摘要
本发明公开了一种基于多模态引导的红外小目标检测算法,通过多模态提取模块从输入红外图像生成局部能量图、对比度图及灰度图三种互补模态特征,利用各自反映局部灰度波动、区域对比关系及原始亮度信息,随后将多模态特征输入采用编码器‑解码器结构的神经网络,并在编码器及解码器各层引入跨模态引导残差模块,显式集成模态间的通道与空间互导信息,增强微弱小目标特征,待编码器完成多层次特征提取后,通过跨模态交叉融合模块利用多组多头交叉注意力机制在不同模态间进行细粒度交互,并结合深度可分离卷积与逐点卷积实现高效token mixing,再通过自适应模态权重进行动态融合,显著提升对微弱小目标的检测准确率与鲁棒性。
技术关键词
模态特征
多模态
跨模态
残差模块
交叉注意力机制
编码器
双曲正切函数
全局平均池化
解码器结构
可见光遥感图像
多层次特征提取
算法
对比度
通道注意力机制
输出特征
系统为您推荐了相关专利信息
图像分割方法
融合特征
强化特征
上下文特征
加权特征
老年病护理
设备状态监控
状态实时监控
区块链数据安全
多物理场耦合仿真技术
个性化语音特征
情感特征
深度学习模型
状态监测单元
文本