(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211312203.5 (22)申请日 2022.10.25 (71)申请人 南京航空航天大 学 地址 211106 江苏省南京市江宁区将军大 道29号 申请人 中国电子科技 集团公司第五十三研 究所 (72)发明人 丁萌　于快快　刘浩　常瑶　 徐一鸣　 (74)专利代理 机构 北京方圆嘉 禾知识产权代理 有限公司 1 1385 专利代理师 王月松 (51)Int.Cl. G06V 10/774(2022.01) G06N 3/04(2006.01)G06N 3/08(2006.01) G06V 10/25(2022.01) G06V 10/82(2022.01) (54)发明名称 一种红外目标检测方法、 装置、 电子设备及 存储介质 (57)摘要 本发明公开了一种红外目标检测方法、 装 置、 电子设备及存储介质， 涉及红外目标检测领 域， 该方法包括： 将当前采集的红外目标图像输 入到训练好的红外目标检测模型中以进行类别 检测； 其中， 训练好的红外目标检测模型是基于 注意力机制神经网络和训练数据集确定的； 注意 力机制神经网络包括特征提取网络、 与特征提取 网络的输 出端连接的注意力模块、 与注意力模块 的输出端连接的特征加强模块、 与特征加强模块 的三个输 出端连接的目标分类和检测网络； 注意 力模块用于对特征提取网络输出的原始特征图 进行融合系数的计算， 确定多尺度特征图。 本发 明能够对红外目标图像进行低成高效、 准确检 测。 权利要求书2页 说明书7页 附图4页 CN 115496971 A 2022.12.20 CN 115496971 A 1.一种红外目标检测方法， 其特 征在于， 包括： 获取当前采集的红外目标图像； 将当前采集的所述红外目标图像输入到训练好的红外目标检测模型中以进行类别检 测； 其中， 所述训练好的红外目标检测模型是基于注意力 机制神经网络和训练数据集确定 的； 所述训练数据集包括多 张红外目标图像以及每张所述红外目标图像对应的标签数据； 所述标签数据为所述红外目标图像的类别； 所述注意力 机制神经网络包括特征提取网络、 与 所述特征提取网络的输出端连接的注 意力模块、 与所述注意力模块的输出端连接的特征加强模块、 与所述特征加强模块的三个 输出端连接的目标分类和检测网络； 所述注意力模块用于对所述特征提取网络输出的原始特征图进行融合系数的计算， 确 定多尺度特 征图。 2.根据权利要求1所述的一种红外目标检测方法， 其特征在于， 所述训练好的红外目标 检测模型的确定过程 为： 构建训练数据集； 构建注意力机制神经网络； 基于所述训练数据集对所述注意力 机制神经网络进行训练， 得到训练好的红外目标检 测模型。 3.根据权利要求2所述的一种红外目标检测方法， 其特征在于， 所述构建注意力 机制神 经网络， 具体包括： 构建特征提取网络； 所述特征提取网络用于对所述红外目标图像进行特征提取， 以得 到原始特征图； 搭建注意力模块； 搭建特征加强模块； 所述特征加强模块用于对所述多尺度特征图进行特征融合， 得到 融合后的特 征图； 构建目标分类和检测网络； 所述目标分类和检测网络用于根据 所述融合后的特征图和 目标框进行类别检测， 确定所述红外目标图像的类别并获得 预测框。 4.根据权利要求1或3所述的一种红外目标检测方法， 其特征在于， 所述特征提取网络 为Darknet网络， 深度为5 3； 所述特 征提取网络的构建过程： 搭建初始网络； 采用ImageNet数据集对所述初始网络进行权 重训练， 得到特 征提取网络 。 5.根据权利要求1或3所述的一种红外目标检测方法， 其特征在于， 所述注意力模块的 搭建过程 为： 搭建通道 注意力模块； 所述通道注意力模块用于： 将所述原始特征图实行一种不降维的局部跨信道交互策略和自适应选择一维卷积核 大小的方法， 并将所述原始特征图在空间维度上进行全局平均池化， 得到平均池化特征向 量；权　利　要　求　书 1/2 页 2 CN 115496971 A 2将所述平均池化特征向量输入不降维的GAP聚合卷积特征后， 首先自适应确定核大k， 然后进行一维卷积， 接着进行Sigmo id函数学习得到通道 注意力； 将所述通道注意力输入至所述特 征加强模块。 6.根据权利要求1或3所述的一种红外目标检测方法， 其特征在于， 所述特征加强模块 具体为： 从所述注意力模块的不同位置输出三个特征层， 分别位于中间特征层、 中下层特征层 和底层特征层； 所述底层特征层 进行1次1×1卷积调整通道后获得P 5， 再进行上采样后与所 述中下层特征层进行结合， 然后使用CSPLayer进行特征提取获得P5_upsample； P5_ upsample的特征层进行1次1 ×1卷积调整通道后获得P4， 再进行上采样与所述中间特征层 进行结合， 然后使用CSPLayer进行特征提取获得P4_up sample； P4_up sample的特征层进行 一次3×3卷积进行下采样， 下采样后与P4堆叠， 然后使用CSPLayer进行特征提取获得P4_ downsample； P4_downsample的特征层进行一次3 ×3卷积进行下采样， 下采样后与P5堆叠， 然后使用CS PLayer进行 特征提取获得P5_do wnsample。 7.根据权利要求1或3所述的一种红外目标检测方法， 其特征在于， 所述目标分类和检 测网络的具体包括： 通过一层1 ×1卷积、 BN层和Si LU激活函数对输入的融合后的特 征图进行重编码； 将重编码后的特征图经过两组两层3 ×3卷积、 BN层和SiLU激活函数， 得到所述红外目 标图像的类别和预测框； 其中， 第一组输出后经过一层1 ×1卷积和sigmoid激活后， 进行判 断每一个特征点所包含的红外目标类别； 第二组输出后分别经过1 ×1卷积、 sigmoid激活和 1×1卷积， 分别进行判断每一个特征点的回归参数， 回归参数调整后可以获得预测框和判 断每一个特 征点是否包 含红外目标。 8.一种红外目标检测装置， 其特 征在于， 包括： 数据采集器， 用于获取当前采集的红外目标图像； 类别检测器， 用于将当前采集的所述红外目标图像输入到训练好的红外目标检测模型 中以进行类别检测； 其中， 所述训练好的红外目标检测模型是基于注意力 机制神经网络和训练数据集确定 的； 所述训练数据集包括多 张红外目标图像以及每张所述红外目标图像对应的标签数据； 所述标签数据为所述红外目标图像的类别； 所述注意力 机制神经网络包括特征提取网络、 与 所述特征提取网络的输出端连接的注 意力模块、 与所述注意力模块的输出端连接的特征加强模块、 与所述特征加强模块的三个 输出端连接的目标分类和检测网络； 所述注意力模块用于对所述特征提取网络输出的原始特征图进行融合系数的计算， 确 定多尺度特 征图。 9.一种电子设备， 其特征在于， 包括存储器及处理器， 所述存储器用于存储计算机程 序， 所述处理器运行所述计算机程序以使 所述电子 设备执行根据权利要求 1至7中任一项 所 述的红外目标检测方法。 10.一种计算机可读存储介质， 其特征在于， 其存储有计算机程序， 所述计算机程序被 处理器执行时实现如权利要求1至7中任一项所述的红外目标检测方法。权　利　要　求　书 2/2 页 3 CN 115496971 A 3