[发明专利]基于双向注意力聚合机制的红外小目标检测方法

权利要求书

1.一种基于双向注意力聚合机制的红外小目标检测方法，其特征在于，包括以下步骤：

(1)获取训练样本集和测试样本集：

获取包含不同目标的K幅大小为H×H的红外图像，并采用Sobel算子每幅红外图像进行边缘检测，然后对每幅红外图像及其对应的红外边缘图像中的目标进行标注，再将M幅红外图像及其对应的红外边缘图像，以及每幅图像的标签组成训练样本集R₁，将剩余的K-M幅红外图像及其对应的红外边缘图像，以及每幅图像的标签组成测试样本集E₁，其中K≥1000，H≥256，

(2)构建基于双向注意力聚合机制的目标检测网络模型O：

构建基于双向注意力聚合机制且包括并行排布的第一分支和第二分支的目标检测网络模型O；第一分支包括顺次连接的Stem块、第一和第二残差块、第一转置卷积层、第一双向注意力聚合块、第二转置卷积层、第二双向注意力聚合块、head网络；第二分支包括顺次连接的三个泰勒中心差分残差块；其中，Stem块包括池化层和多个卷积层；第一残差块包括非线性激活层和多个卷积层；第二残差块包括非线性激活层和多个卷积层；双向注意力聚合块包括多个瓶颈结构、多个可变性卷积层和多个非线性激活层；head网络包括多个卷积层；泰勒中心差分残差块包括多个卷积层和多个非线性激活层；

(3)对目标检测网络模型O进行迭代训练：

(3a)初始化迭代次数为s，最大迭代次数为Q，Q≥10000，第s次迭代的目标检测网络模型为O_s，并令s＝0，O_s＝O；

(3b)将从训练样本集R₁中随机选取l个训练样本作为目标检测网络模型O的输入，第一分支、第二分支分别对l个红外图像样本、l个红外边缘图像样本进行处理，得到l个训练样本的红外小目标检测结果；

(3c)对基于双向注意力聚合机制的网络模型进行参数更新，得到本次迭代的网络模型；

(3d)判断s≥S是否成立，若是，得到训练好的目标检测网络模型O*，否则，令s＝s+1，并执行步骤(3b)；

(4)获取红外图像目标检测结果：

将测试样本集E作为训练好的目标检测网络模型O*的输入进行前向传播，得到所有测试样本对应的红外小目标检测结果。