一种多深度特征连接的红外弱小目标检测方法
针对红外弱小 目标像元数量少、图像背景复杂、检测精度低且耗时较长的问题,文中提出了一种多深度特征连接的红外弱小 目标检测模型(MFCNet).首先,提出了多深度交叉连接主干形式以增加不同层间的特征传递,增强特征提取能力;其次,设计了注意力引导的金字塔结构对深层特征进行目标增强,分离背景与 目标;提出非对称融合解码结构加强解码中纹理信息与位置信息保留;最后,引入点回归损失得到中心坐标.所提网络模型在SIRST公开数据集与 自建长波红外弱小目标数据集上进行训练并测试,实验结果表明,与现有数据驱动和模型驱动算法相比,所提算法在复杂场景下具有更高的检测精度及更快的速度,模型的平均精度相比次优模型提升了 5.41%,检测速度达到100.8FPS.
红外弱小目标、深度学习、目标检测、特征连接、注意力机制
51
TP391(计算技术、计算机技术)
2024-01-23(万方平台首次上网日期,不代表论文的发表时间)
共9页
175-183