申请/专利权人：安徽理工大学

申请日：2024-01-22

公开（公告）日：2024-04-19

公开（公告）号：CN117911669A

主分类号：G06V10/22

分类号：G06V10/22;G06V10/26;G06V10/40;G06V10/52;G06V10/764;G06V10/80;G06V10/82;G06N3/0464;G06N3/048

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.05.07#实质审查的生效;2024.04.19#公开

摘要：本发明公开了一种基于可扩张残差模块优化的红外夜视小目标检测方法，包括以下步骤：S1：将检测图像分割为n×n个网格单元，对网格单元进行特征提取得到区域特征图并分块；S2：融合可扩张残差模块与特征提取模块对区域特征图进行深度分离扩张卷积，得到物体特征信息；S3：经上采样和下采样融合浅层和深层区域特征图，获取多尺度特征信息；S4：预测物体边界框和类别的置信度，利用非极大值抑制算法保留置信度最高的边界框和类别信息；S5：利用目标框回归公式调整目标框位置；S6:输出目标框位置和类别信息,完成红外夜视小目标检测。本发明利用可扩张残差模块，综合考虑红外线图像目标难以识别等问题，提高YOLOv8检测准确率，提升红外夜视小目标检测性能。

主权项：1.一种基于可扩张残差注意力模块优化的红外夜视小目标检测方法,其特征在于，包括如下步骤：步骤1：将检测图像分割为n×n个网格单元，对网格单元进行特征提取得到区域特征图并分块；步骤2：融合可扩张残差模块与特征提取模块对区域特征图进行深度分离扩张卷积，得到物体特征信息；步骤2.1：通过深度分离扩张卷积进行初步特征提取，经前向传播，获得多尺度的特征信息；步骤3：经上采样和下采样融合浅层和深层区域特征图，获取多尺度特征信息；步骤3.1：通过深度分离扩张卷积增大卷积核的感受野，将浅层弱语义信息和深层强语义信息特征图进行融合，增强多尺度特征的表达能力；步骤4：预测物体边界框和类别的置信度，利用非极大值抑制算法NMS保留置信度最高的边界框和类别信息；步骤4.1：采用多速率深度分离扩张卷积对不同大小的区域特征进行形态学滤波；步骤5：保留的边界框为目标框，利用目标框回归公式调整目标框位置；步骤6：将调整后的目标框位置和对应的类别信息输出，完成红外夜视小目标检测。

全文数据：

权利要求：

百度查询： 安徽理工大学 一种基于可扩张残差注意力模块优化的红外夜视小目标检测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD