[发明专利]一种时空注意力机制的无人机弱小目标探测方法

权利要求书

1.一种时空注意力机制的无人机弱小目标探测方法，其特征在于，包括：

步骤S1：基于空间注意力的级联传递和多尺度融合目标特征提取；

步骤S2：基于时间注意力的图像特征序列输入；

结合目标在持续探测过程中的空间位置和姿态特征的时间连续性，使用一段连续的特征序列作为输入，并将其输入到一个由时序网络搭建的时间注意力结构对目标信息进行增强；

步骤S3：基于时空注意力的决策输出，根据时空注意力结构提取的图像特征，输出目标位置和类别置信度。

2.根据权利要求1所述的时空注意力机制的无人机弱小目标探测方法，其特征在于，所述步骤S1中，包括：结构1是主干网络，同于多尺度目标检测器SSD结构；结构2是特征金字塔结构；结构3是通道间的级联传递结构；结构4是深层和浅层通道间的多尺度融合结构；结构5是提取的目标图像特征。

3.根据权利要求1所述的时空注意力机制的无人机弱小目标探测方法，其特征在于，在所述步骤S2中，采取的时序网络结构是长短期记忆网络LSTM结构或循环神经网络RNN结构。

4.根据权利要求1中所述的时空注意力机制的无人机弱小目标探测方法，其特征在于，在所述步骤S3中，所述时空注意力在主干网络的基础上，设置空间注意力机制的特征级联传递，设置不同通道间的多尺度特征融合，对深层通道和浅层通道的特征进行加权融合，设置时间注意力对时序特征进行融合。

5.根据权利要求4所述的时空注意力机制的无人机弱小目标探测方法，其特征在于，所述步骤S3中，决策输出在选用与SSD算法相同的主干网络和决策结构基础上，主干网络采用视觉几何群网络VGG-16结构，决策结构输出目标位置和类别置信度，特征金字塔结构采用空间注意力和时间注意力增强的多尺度卷积融合结构。

6.根据权利要求1-5中任意一项所述的时空注意力机制的无人机弱小目标探测方法，其特征在于，在所述步骤S2中，所述空间注意力机制的级联传递，通过多个不同的卷积通道对上层数据处理，再进行加性融合得到下层数据。

7.根据权利要求1-5中任意一项所述的时空注意力机制的无人机弱小目标探测方法，其特征在于，在所述步骤S2中，所述空间注意力机制的多尺度融合，通过注意力权值对多个不同尺度的卷积通道数据进行加权，使模型关注卷积通道中的重点局部信息。