[发明专利]一种军事敏感区域迭代反馈红外目标检测模型建立方法

说明书

本发明公开了一种军事敏感区域迭代反馈红外目标检测模型建立方法，包括：通过红外相机获取军事敏感区域目标图像；对目标图像使用简化的骨干网络提取特征，得到每一轮初步的预测图；将经过骨干网络得到的初步预测图输入到结合语义信息的多重注意力模块中，通过注意力机制并结合全局信息的方式进行特征增强；计算每一轮网络输出的预测图和真值图之间的不确定性，计算不确定性损失。本发明通过使用简化的骨干网络结构解决了目标过小易在网络深层丢失的问题，利用改进的多重注意力机制进一步细化分割结果，同时使用迭代后馈的搜索过程减少了目标的漏检率，使得精度得到了提升，结合不确定性估计，减少模型的不确定性提升检测精度。

技术领域

本发明涉及红外目标检测技术领域，具体为一种军事敏感区域迭代反馈红外目标检测模型建立方法。

背景技术

军事敏感区域通常是指容易引起军事冲突的区域，或者涉及高度军事机密的区域。即一些关乎国防安全的区域，比如军事基地、军用机场、地下指挥工程、港口、导弹等。对于军事敏感区域的目标能进行早期预警识别、精准定位目标，对于保卫国防安全以及占据战场主动权具有重要作用。与可见光探测和雷达探测方式相比，红外检测系统具有作用距离远、隐蔽性高、抗干扰性好等特点，在军事领域有着广泛应用。因此，基于深度学习的红外目标检测模型对于提升军事敏感区域目标检测准确性和可靠性具有重要意义。

但由于红外本身成像特点，在检测中有如下难点。一是成像面积小，由于目标通常离探测器较远，一般在探测器上只占一个或几个像素点；目标和边界模糊不清，缺乏目标形状和幅度分布等信息以及缺乏尺寸、纹理等特征。二是信号强度弱，信噪比低，目标辐射能量在受到长距离大气衰减、大气湍流后，到达红外接收端能量较低，目标像点的信号强度较弱。三是目标辐射特性复杂及背景复杂，无论背景是天空、大地还是海面，背景辐射、强杂波、阳光等不确定影响因素都会叠加在目标的热辐射上，加之背景也在运动，造成目标热辐射变化规律不易掌握，增加了红外目标检测的困难。

发明内容

本发明的目的在于提供一种军事敏感区域迭代反馈红外目标检测模型建立方法、装置、设备及介质，以解决现有的红外目标检测精度不高，检测形状与真实值相差较大的问题。

为实现上述目的，本发明提供如下技术方案：一种军事敏感区域迭代反馈红外目标检测模型建立方法，包括以下步骤：

通过红外相机获取军事敏感区域目标图像；

对目标图像使用简化的骨干网络提取特征，得到每一轮初步的预测图；

将经过骨干网络得到的初步预测图输入到结合语义信息的多重注意力模块中，通过注意力机制并结合全局信息的方式进行特征增强；

计算每一轮网络输出的预测图和真值图之间的不确定性，计算不确定性损失；

将上一轮输出的预测图输入到下一轮网络中，且将上一轮每个结点包含的中间特征输入到下一轮网络的对应节点中，重复上述过程直至达到最大迭代次数结束搜索。

优选的，所述通过红外相机获取军事敏感区域目标图像，包括：

使用红外相机拍摄军事敏感区域目标图像，获得相应的源图像；

对获得的目标图像进行人工标注，标记目标位置和形状得到真值图，用于网络的训练和验证。

优选的，所述对目标图像使用简化的骨干网络提取特征，得到每一轮初步的预测图，包括：

构成骨干网络的基础块使用通道空间注意力机制取代卷积块，通道空间注意力模块计算如下式所示：

F′＝M_s(M_c(F)×F)×(M_c(F)×F)

M_c(F)＝σ(MLP(AvgPool(F))+MLP(MaxPool(F)))