[发明专利]基于混合域注意力的有限像素红外无人机目标检测方法

权利要求书

1.一种基于混合域注意力的有限像素红外无人机目标检测方法，其特征在于，该方法为：

通过基于注意力机制的单步级联神经网络对红外图像进行特征提取，获得特征图；

对所述特征图进行上采样获得多尺度特征图，并对所述多尺度特征图分别进行特征融合与预测，获得目标检测最终结果。

2.根据权利要求1所述的基于混合域注意力的有限像素红外无人机目标检测方法，其特征在于，所述通过基于注意力机制单步级联神经网络对红外图像进行特征提取，获得特征图，具体为：以单步级联神经网络作为特征提取模型，获取多层不同深度的特征图，并加入基于混合域机制的注意力模块，提高对目标区域的关注度评分。

3.根据权利要求2所述的基于混合域注意力的有限像素红外无人机目标检测方法，其特征在于，在特征提取过程中输入残差模块的特征图大小为208×208×32，其中208×208表示特征图的空间大小，32表示通道数，在特征提取模块中引入通道注意力模块与空间注意力模块，分别用于提取多个通道中以及单通道空间特征中的有效特征。

4.根据权利要求3所述的基于混合域注意力的有限像素红外无人机目标检测方法，其特征在于，首先，在通道维度上对红外图像分别进行全局平均池化和全局最大池化操作，再经过含有一个隐藏层的网络得到权重，相加作为最终的注意力权重向量，如式(1)所示：

其中，表示输入特征图；σ表示sigmoid激活函数，用于学习特征间的非线性关系；H表示仅含一个隐藏层的网络，用于学习参数r表示减少率；AvgPool和MaxPool分别表示平均池化和最大池化，平均池化是把每个通道所有特征值相加再平均，最大池化是选取各个通道中特征值的最大值；加法表示逐元素相乘，并按通道维度拼接得到特征图F'；

其次，对特征图F进行基于通道维度的平均池化和最大池化操作，并进行拼接得到一个通道数为2的特征图，再经过一个7×7的卷积层，激活函数为Sigmoid，得到权重系数M_S，如式(2)所示：

其中，Conv^7×7表示对其进行卷积操作，卷积核大小为7×7；

最后，使用权重系数M_S和特征层F'相乘即可得到缩放后的新特征图。

5.根据权利要求1-4任意一项所述的基于混合域注意力的有限像素红外无人机目标检测方法，其特征在于，所述对所述特征图进行上采样获得多尺度特征图，并对所述多尺度特征图分别进行特征融合与预测，获得目标检测最终结果，具体为：根据无人机目标所占像素值大小，选取四个不同大小级别的特征图，分别为13×13、26×26、52×52和104×104，对其进行多级特征融合与预测。

6.根据权利要求5所述的基于多尺度特征融合的有限像素红外无人机目标检测方法，其特征在于，对单步级联神经网络的第82层大小为13×13的特征图进行检测，获得大小为13×13的第一结果图；其次，对第79层大小为13×13的特征图进行2倍的上采样，获得大小为26×26的特征图，并将上采样后的特征图与第61层得到的特征图以拼接的方式进行特征融合，在拼接时将进行深度的叠加，26×26×255的特征图与26×26×255的特征图拼接得到26×26×768的特征图，然后在第二个检测层的第94层进行检测，获得大小为26×26的第二结果图；再其次，对第91层得到的特征图做相同处理，与第36层特征层拼接，在第106层进行检测，获得大小为52×52×255的第三结果图；最后，对第103层做相同操作并与第11层特征层拼接，获得大小为104×104的第四结果图。