CN117274744B 基于图注意力网络的小目标检测方法 （西安电子科技大学）.docxVIP

(19)国家知识产权局

(12)发明专利

(10)授权公告号CN117274744B(45)授权公告日2025.07.01

(21)申请号202311256278.0

(22)申请日2023.09.27

(65)同一申请的已公布的文献号申请公布号CN117274744A

(43)申请公布日2023.12.22

(73)专利权人西安电子科技大学

地址710071陕西省西安市雁塔区太白南

路2号

(72)发明人张铭津朱昱奇柏海琛郭杰李云松高新波

(74)专利代理机构陕西电子工业专利中心

61205

专利代理师陈宏社王喜媛

(51)Int.CI.

GO6V10/774(2022.01)

GO6V10/77(2022.01)

GO6V10/80(2022.01)

GO6V10/82(2022.01)

GO6N3/0464(2023.01)

GO6N3/084(2023.01)

(56)对比文件

CN114694002A,2022.07.01CN115375668A,2022.11.22审查员蔡世君

权利要求书3页说明书6页附图2页

(54)发明名称

基于图注意力网络的小目标检测方法

(57)摘要

CN117274744B本发明提出了一种基于图注意力网络的小目标检测方法，实现步骤为：获取训练样本集和测试样本集；构建基于图注意力网络的小目标检测模型；初始化参数；对小目标检测网络进行训练；获取训练好的小目标检测网络；获取小目标检测结果。本发明中像素到图的注意力模块通过利用相邻像素点的潜在相关性来细化语义特征，这种像素之间的潜在相关性可以被用来提高模型的检测表现，门控交叉注意力特征聚合模块通过交叉注意力机制学习从不同网络层获取的目标轮廓特征的多尺度相似性并且输出细化的目标轮廓特征来约束预测，能更好地聚合信息特征，有效解决了现有方法由于数据通过堆叠卷积

CN117274744B

获取训练样本和测试样本集

获取训练样本和测试样本集

构建基于图注意力网络的小目标检测模型

初始化参数

对小目标检测网络进行训练

获取训练好的小目标检测网络

获取小目标检测结果

CN117274744B权利要求书1/3页

2

1.一种基于图注意力网络的小目标检测方法，其特征在于，包括以下步骤：

(1)获取训练样本集和测试样本集：

获取包括多个目标类别的N幅红外小目标图像，并对每幅红外小目标图像中的小目标对象进行标注，再将每个目标类别中半数以上的总共K幅小目标及其对应的标签组成训练样本R,将剩余N-K幅小目标图像及其对应的标签组成测试样本集E,其中N≥500,

(2)构建基于图注意力网络的小目标检测网络模型0:

构建包括以包括顺次级联的编码器、像素到图的注意力模块PGA和解码器为主干网络，和以包括M个级联的门控交叉注意力特征聚合模块GCFA和与每个GCFA连接的head块为分支网络的小目标检测网络模型0;其中编码器包括M个级联的残差块以及加载在第一与第二残差块之间的最大池化层；解码器包括M个级联的上采样反卷积模块和一个head块；分支网络加载在主干网络中编码器的输入端与head块的输入端之间；编码器中的第一残差块、最大池化层、第m残差块、第M-1残差块分别与解码器中的第M、M-1、M-m、第一上采样反卷积模块的输出端相连；M个GCFA分别连接在PGA和解码器中第一到第M-1上采样反卷积模块的输出

端；

(3)初始化参数：

初始化迭代次数为t,最大迭代次数为T,T≥1000,第t次迭代的小目标检测网络模型0中的权值、偏置参数分别为w、b,并令t=0,0=0;

(4)对小目标检测网络模型进行训练：

从训练样本集R中随机有放回的选取P个训练样本作为小目标检测网络模型0的输入进行前向传播，得到P个小目标检测结果，其中，1≤P≤K;

(5)获取训练好的小目标检测网络：

通过步骤(4)获得的P个小目标检测结果，对小目标检测网络模型0的权值、偏置参数wt、b进行更新，并判断t≥T是否成立，若是，得到训练好的小目标检测网络模型0*,否则，令t=t+1,并执行步骤(4);

(6)获取小目标检测结果：

将测试样本集E作为训练好的小目标检测网络模型0*的输入进行前向传播，得到N-K个测试样本对应的小目标检测结果。

2.根据权利要求1中所述的方法，其特征在于，步骤(2)中所述的小目标