公开(公告)号：CN119418158A

公开(公告)日：2025-02-11

申请号：CN202411342514.5

申请日：2024-09-25

Applicant: 上海航天控制技术研究所

Inventor： 钮赛赛 ,  计锦达 ,  阮洋 ,  汤政 ,  席永辉

IPC: G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06V10/774

Abstract: 本发明提供一种基于轻量化的跨域红外目标智能检测方法，首先通过对输入图像进行多通道数据增强，使用轻量化特征提取网络提取增强图像不同层次的局部特征信息，通过多尺度最大池化得到不同尺度的特征，添加全局自注意力模块提取全局特征，使用多层级特征融合模块融合从轻量化特征提取模块以及全局自注意力模块输出的不同层次的特征信息，最后对特征信息进行解码得到目标预测结果。本发明能够改善现有跨域红外目标检测性能不足、智能化检测方法存在红外目标漏检和误检的问题。

公开(公告)号：CN119418089A

公开(公告)日：2025-02-11

申请号：CN202411342512.6

申请日：2024-09-25

Applicant: 上海航天控制技术研究所

Inventor： 计锦达 ,  钮赛赛 ,  周卫文 ,  阮洋 ,  汤政

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0464

Abstract: 本发明提供一种基于无预训练模型领域泛化的红外目标智能检测方法，通过风格转换模块将输入的可见光图像转换成HSV色域增强图像、灰度增强图像以及原可见光图像，输出上述领域图像及其对应的领域标签；将上述领域图像分别输入Yolov5特征提取网络得到对应的领域特征，输出给领域分类模块和领域对比模块计算损失，并将计算的损失通过梯度反向传播到Yolov5特征提取网络，指导其学习领域不变特征，获得训练后的泛化yolov5特征提取网络；对红外图像进行红外目标智能检测时，将输入图像通过经过训练后的泛化yolov5特征提取网络，获得对应特征解码并输出。本发明极大减少了模型的参数量和计算量，同时使模型能够更快速地学习并提取出领域不变特征。