[发明专利]一种基于特征融合与注意力机制的红外目标检测方法

权利要求书

1.一种基于特征融合与注意力机制的红外目标检测方法，其特征在于，包括如下步骤：

(1)构建特征融合与注意力机制的红外目标检测网络，按照网络结构连接顺序，依次为：主干网络CSPDarknet53、特征融合网络RFB、颈部网络PANet、注意力网络CAR2和头部网络YOLO Head；其中，主干网络CSPDarknet53用于对输入的红外图像进行初步的特征提取，特征融合网络RFB和颈部网络PANet分别用于加强网络的特征提取能力，注意力网络CAR2用于使网络更关注于目标的特征，头部网络YOLO Head用于最后的目标识别和定位；

(2)构建数据集：收集FLIR红外图像数据集，含有红外图像文件和标注文件，并将红外图像文件数量和标注文件数量按设定比例划分为训练集、验证集和测试集；

(3)利用训练集和验证集对特征融合与注意力机制的红外目标检测网络进行训练，得到训练好的特征融合与注意力机制的红外目标检测网络；

(4)步骤将(2)所构建的测试集输入到训练好的特征融合与注意力机制的红外目标检测网络中进行检测标注，输出标注有目标框的红外图像，得到红外目标的检测结果。

2.根据权利要求1所述的基于特征融合与注意力机制的红外目标检测方法，其特征在于，步骤(1)中主干网络CSPDarknet53的结构关系依次为：

输入层→第一卷积层→第二卷积层→第一组合模块CSP1→第三卷积层→第四卷积层→第二组合模块CSP2→第五卷积层→第六卷积层→第三组合模块CSP8→第七卷积层→第八卷积层→第四组合模块CSP8→第九卷积层→第十卷积层→第五组合模块CSP4→第十一卷积层，其中：

第一卷积层至第十一卷积层均为CBM卷积层，即由Conv卷积+Bn批量归一化层+Mish激活函数层组成；

第一组合模块CSP1，由三个卷积核通道数为64的CBM卷积层和一个CSP残差模块拼接组成；

第二组合模块CSP2，由三个卷积核通道数为128的CBM卷积层和二个CSP残差模块拼接组成；

第三组合模块CSP8，由三个卷积核通道数为256的CBM卷积层和八个CSP残差模块拼接组成；

第四组合模块CSP8，由三个卷积核通道数为512的CBM卷积层和八个CSP残差模块拼接组成；

第五组合模块CSP4，由三个卷积核通道数为1024的CBM卷积层和四个CSP残差模块拼接组成；

所述五个组合模块，均由两个分支组成，第一分支为第一个CBM卷积层，其输入为上一卷积层的输出，其输出为CSP残差模块，且各CSP残差模块按顺序连接，最后一个CSP残差模块的输出连接第二个CBM卷积层；第二分支为第三个CBM卷积层，其输入为上一卷积层的输出；整个组合模块的输出为第二个CBM卷积层的输出和第三个CBM卷积层的输出concat；

所述concat为将两条分支的特征度在通道维度进行拼接；

所述CSP残差模块，由两个CBM卷积层顺序连接组成，且第二个CBM卷积层的输出与第一个CBM卷积层的输入相加作为该模块的输出；

所述Mish激活函数表示为：Mish＝x×tanh(ln(1+e^x))，式中，x表示上一层的输出，tanh为双曲正切函数。