买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：长春理工大学

摘要：本发明属于目标检测领域，尤其为一种基于数据扩充与微弱特征增强的红外小目标检测方法，包括：S1，准备数据集：准备三种红外小目标检测数据集，数据集一和数据集二是公开数据集，用于网络训练和模型微调；数据集三是自制数据集，用于模型测试。本发明是基于数据扩充与特征增强的红外小目标检测方法，构建了一种新的红外小目标检测模型，设计了目标自适应增殖方法、基于稀疏采样‑混合滤波的特征提取方法和四位一体特征增强方法。通过实验数据，证明本发明能够解决正负样本不平衡的问题，防止模型过拟合、泛化能力差；同时，本发明能够减少稀缺特征丢失、逐步增强微弱特征。本发明在红外小目标检测任务的定性和定量评价中表现出良好性能。

主权项：1.一种基于数据扩充与微弱特征增强的红外小目标检测方法，其特征在于：该方法具体包括如下步骤：S1，准备数据集：准备三种红外小目标检测数据集，数据集一和数据集二用于网络训练和模型微调，数据集三用于模型测试；S2，构建红外小目标检测模型：检测模型包括目标自适应增殖、稀疏采样-混合滤波特征提取、四位一体特征增强和解码4部分；所述S2中，稀疏采样-混合滤波特征提取部分特征提取块1、特征提取块2、特征提取块3和特征提取块4组成；每个特征提取块结构相同，由1层混合滤波器、1层稀疏采样卷积、1层1×1卷积、2层3×3卷积和3层L型激活层组成，用于减少下采样过程中子区域之间的信息损失，保留小目标的浅层关键特征；所述S2中，四位一体特征增强部分由四位一体特征增强块1、四位一体特征增强块2和四位一体特征增强块3组成；每个四位一体特征增强块结构相同，由1个多尺度特征细化模块、2个多尺度线性特征模块组成，能够通过双向关注机制和多尺度特征编码，加强深层特征和浅层特征之间的相互作用；S3，训练网络模型：训练红外小目标检测网络模型，将步骤S1中准备好的数据集一和数据集二输入步骤S2中构建的目标自适应增殖方法，从而得到高质量扩充数据集；将得到的扩充数据集输入到步骤S2中构建的稀疏采样-混合滤波特征提取、四位一体特征增强和解码并进行训练；S4，选择合适的损失函数并确定本方法的最优评价指标：选择合适的损失函数使得输出的目标预测结果与输入目标图像的差异最小、损失最小，设定训练损失阈值，不断迭代优化模型，直到训练次数达到设定阈值或损失函数的值达到设定阈值范围内即可认为模型参数已预训练完成，保存模型参数；选择数据集三中的测试图像输入固化好的模型中得到目标预测结果，使用目标检测结果效果最优评价指标衡量模型的精度和性能；S5，微调模型，用红外小目标检测数据集二对模型进行训练和微调，优化模型参数，进一步提高检测网络的性能，得到边缘更加清晰、位置更加精确的目标预测结果；S6，保存模型，待S5微调训练完成后，固化微调后的网络参数，确定最终小目标检测模型。

全文数据：

权利要求：

百度查询： 长春理工大学 一种基于数据扩充与微弱特征增强的红外小目标检测方法