【技术实现步骤摘要】
本专利技术涉及一种基于轻量化的跨域红外目标智能检测方法，属于目标检测领域。
技术介绍
1、跨域红外目标检测的目的是识别红外图像或者视频中目标的位置和类别，主要的应用领域有安防监控、自动驾驶、环境检测、森林防火等，并取得了显著成就。在这些领域中，红外目标检测是实际应用的必然需求，虽然随着深度学习的兴起，目标检测方法迅速发展，但由于红外图像的采集难度较大，采集成本较高，因此无法直接用红外图像训练，可见光图像便于采集，易于构建大数据集，但是用可见光训练的模型跨域对红外图像进行目标检测难以达到高检测率的效果。
2、红外跨域目标检测利用可见光图像训练，对红外图像进行测试。由于可见光与红外图像的成像机理不同，两者存在模态的差异，为检测带来困难，大多数方法只能专注于学习领域不变特征如同目标的形状、尺度等特征，并选择性地忽视或者遗忘领域可变特征如目标纹理特征。红外与可见光的成像机理不同，可见光波长范围大约为400纳米到700纳米。可见光图像通常由红、绿、蓝三个波段组成，每个通道记录该颜色波段的光强度。三个通道组合在一起形成全彩色图像，也称为rgb图像，同时具有清晰度高，包含丰富的颜色和纹理信息，图像质量受光照条件影响较大等特征。红外光的波长范围比可见光更长，通常从700纳米到1毫米。红外光根据波长的不同可进一步分为近红外、短波红外、中波红外和长波红外等。红外图像一般是单通道图像，只记录一个波段的光强度，生成的是灰度图像。红外图像反映的是物体的热辐射强度或反射特性，通常以亮度表示温度或反射率，主要反映物体的热辐射特性，红外图像中，物体
3、上述现有技术的缺陷/不足为：需要大量的源域与目标域数据，需要额外处理转换的目标域数据，增加了模型的计算量，额外增加的模块也大量增加了模型的参数量，同时还存在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。
技术实现思路
1、本专利技术的技术解决问题是：克服现有技术的不足，提供了一种基于轻量化的跨域红外目标智能检测方法，通过数据增强方式用可见光转化为单通道图像的方式拟合红外图像，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。
2、本专利技术的技术解决方案是：第一方面，提供一种基于轻量化的跨域红外目标智能检测方法，包括：
3、对输入图像进行多通道数据增强，输出增强后的三通道图像中的任意一通道图像、或者可见光原图；
4、对输入增强图像提取图像不同层次的局部特征信息，输出提取到的局部特征；
5、对局部特征进行多尺度的池化下采样处理，得到不同尺度的特征并对其进行拼接，输出多尺度拼接后的多尺度拼接特征；
6、对多尺度拼接特征提取全局特征，输出全局特征；
7、对局部特征和全局特征进行融合并输出融合多尺度特征；
8、对融合多尺度特征进行解码得到目标预测结果。
9、优选的，通过轻量化特征提取网络对输入增强图像提取图像不同层次的局部特征信息，输出提取到的局部特征；轻量化特征提取网络包括：普通卷积、幻影卷积和幻影模块，具体的：
10、输入图像在经过一次普通卷积之后，依次重复经过五次一个幻影卷积和一个幻影模块的堆叠，第二次堆叠中的幻影模块输出特征f3，第三次堆叠中的幻影模块输出特征f4，第四次堆叠中的幻影模块输出特征f5，第五次堆叠中的幻影模块的输出特征作为轻量化特征提取网络的输出。
11、优选的，每个幻影卷积包括：一个普通卷积和三个线性变换：
12、输入在经过普通卷积后保留普通卷积结果，同时卷积结果再分别经过三个线性变换的分支，最后普通卷积结果和经过各线形变换的结果经过拼接处理，汇总成幻影卷积输出。
13、优选的，每个幻影模块包括普通卷积和幻影瓶颈：首先接受幻影卷积的输出作为输入进行一次普通卷积，输出两个分支：其中一个分支经过三层幻影瓶颈，另一个分支经过一层普通卷积；将两个分支的输出进行拼接、将拼接结果经过普通卷积后输出。
14、优选的，幻影模块中的幻影瓶颈为堆叠的两层幻影卷积，其中：
15、第一个幻影卷积输出特征通道数为输入特征图通道数的2倍，增加特征通道本文档来自技高网...
【技术保护点】
1.一种基于轻量化的跨域红外目标智能检测方法，其特征在于包括：
2.根据权利要求1所述的一种基于轻量化的跨域红外目标智能检测方法，其特征在于：通过轻量化特征提取网络对输入增强图像提取图像不同层次的局部特征信息，输出提取到的局部特征；轻量化特征提取网络包括：普通卷积、幻影卷积和幻影模块，具体的：
3.根据权利要求2所述的一种基于轻量化的跨域红外目标智能检测方法，其特征在于：每个幻影卷积包括：一个普通卷积和三个线性变换：
4.根据权利要求2所述的一种基于轻量化的跨域红外目标智能检测方法，其特征在于：每个幻影模块包括普通卷积和幻影瓶颈：首先接受幻影卷积的输出作为输入进行一次普通卷积，输出两个分支：其中一个分支经过三层幻影瓶颈，另一个分支经过一层普通卷积；将两个分支的输出进行拼接、将拼接结果经过普通卷积后输出。
5.根据权利要求4所述的一种基于轻量化的跨域红外目标智能检测方法，其特征在于：幻影模块中的幻影瓶颈为堆叠的两层幻影卷积，其中：
6.根据权利要求5所述的一种基于轻量化的跨域红外目标智能检测方法，其特征在于：通过多尺度最大
7.根据权利要求6所述的一种基于轻量化的跨域红外目标智能检测方法，其特征在于：通过全局自注意力模块对多尺度拼接特征提取全局特征，输出全局特征；全局自注意力模块的处理流程具体为：
8.根据权利要求7所述的一种基于轻量化的跨域红外目标智能检测方法，其特征在于：通过层级特征融合模块对局部特征和全局特征进行融合并输出融合多尺度特征；多层级特征融合模块的处理流程具体为：
9.根据权利要求1所述的一种基于轻量化的跨域红外目标智能检测方法，其特征在于：采用特征解码模块对融合多尺度特征进行解码得到目标预测结果；该模块包括：两层普通卷积组合的解耦头，所述两层普通卷积组合的解耦头对多层级特征信息融合模块的输出融合多尺度特征进行解耦计算得到目标预测结果。
10.一种基于轻量化的跨域红外目标智能检测系统，其特征在于包括：
...【技术特征摘要】
1.一种基于轻量化的跨域红外目标智能检测方法，其特征在于包括：
2.根据权利要求1所述的一种基于轻量化的跨域红外目标智能检测方法，其特征在于：通过轻量化特征提取网络对输入增强图像提取图像不同层次的局部特征信息，输出提取到的局部特征；轻量化特征提取网络包括：普通卷积、幻影卷积和幻影模块，具体的：
3.根据权利要求2所述的一种基于轻量化的跨域红外目标智能检测方法，其特征在于：每个幻影卷积包括：一个普通卷积和三个线性变换：
4.根据权利要求2所述的一种基于轻量化的跨域红外目标智能检测方法，其特征在于：每个幻影模块包括普通卷积和幻影瓶颈：首先接受幻影卷积的输出作为输入进行一次普通卷积，输出两个分支：其中一个分支经过三层幻影瓶颈，另一个分支经过一层普通卷积；将两个分支的输出进行拼接、将拼接结果经过普通卷积后输出。
5.根据权利要求4所述的一种基于轻量化的跨域红外目标智能检测方法，其特征在于：幻影模块中的幻影瓶颈为堆叠的两层幻影卷积，其中：
6.根据权利要求5所述的一种基于轻量化的跨域红外目标智能检测方法，其特征...
【专利技术属性】
技术研发人员：钮赛赛，计锦达，阮洋，汤政，席永辉，
申请(专利权)人：上海航天控制技术研究所，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。