CN119516160A 基于混合伪标签生成的单点监督红外小目标检测方法 （浙江大学）

基于混合伪标签生成的单点监督红外小目本发明公开了一种基于混合伪标签生成的素阈值相对差异利用单点监督标签获得小目标用红外小目标图像数据集和混合伪标签监督模于缺乏像素级别标注而只有单点标注的红外小2S1、获取含有单点监督标签的红外小目标图像S2、构建红外小目标检测模型，利用红外小目标S3、利用红外小目标图像数据集和混合伪标签监督2.如权利要求1所述的基于混合伪标签生成的单点监督红外小目标检测方法，其特征3.如权利要求2所述的基于混合伪标签生成的单点监督红外小目标检测方法，其特征S11、对于每一个单点监督标签si，在红外图像xiS12、计算像素集合bi中像素的平均值并记录为计算两和si位置像素值ps的加权4.如权利要求3所述的基于混合伪标签生成的单点监督红外小目标检测方法，其特征i对应小目标的上/下/左/右四个方向的边界采用如下方法进行取自si向上/下/左/右t个像素组成长度为t+1的向量i向上/下/左/右i个单位的位置作为估计的小目标边5.如权利要求4所述的基于混合伪标签生成的单点监督红外小目标检测方法，其特征36.如权利要求5所述的基于混合伪标签生成的单点监督红外小目标检测方法，其特征S22、将红外图像集X输入到模型后预测该批次红外形式为分辨率为H*W而取值范围为0_1S23、使用软交并比函数计算模型的预测概率图谱predi7.如权利要求6所述的基于混合伪标签生成的单点监督红外小目标检测方法，其特征将红外小目标图像数据集中的每一张红外图像xi输入到收敛后的模型中获得该图像的8.如权利要求7所述的基于混合伪标签生成的单点监督红外小目标检测方法，其特征其中批量大小Nbs预先给定；根据采样的红外图像集X9找到对应的混合伪S32、将红外图像集X9输入到模型后预测该批次红外图像每个像素位置的小目标存在9.如权利要求8所述的基于混合伪标签生成的单点监督红外小目标检测方法，其特征45可能被手工策略忽略的高级信息。这种互补机制使本发明能够生成质量更高的混合伪标6[0015]S12、计算像素集合bi中像素的平均值并记录为计算和si位置像素值的[0016]i=a*丽+(1-a)*pai向上/下/左/右i个单位的位置作为估计的小目标边界。其中批量大小Nbs预先给定；根据采样的红外图像集X获取对应的初始伪标签7表示形式为分辨率为H*W而取值范围为0_[0034]将红外小目标图像数据集中的每一张红外图像xi输入到收敛后的模型中获得该签8[0047]本发明的于混合伪标签生成的单点监督红外小目标检测方法，具有以下有益效够利用强大的特征学习能力和高效的处理能力自动从数据中学习复杂的特征表示但缺乏[0050]图1为本发明的基于混合伪标签生成的单点监督红外小目标检测方法的流程示意[0055]本实施例中，含有单点监督标签的红外小目标图像数据集表示为{(x1,s1),(x2,9计算vup相邻像素之间的差的绝对值得到一个长度为t的向量dup=计算向量dup的平均值并记录为而:从i＝2开始循环判断，当不满足条件且i向上i个单位的位置作[0060]第二步，计算估计的小目标边界框中的像素集合bi中像素的平均值并记录为计算和si位置像素值pa的加权值作为小目标判断阈值σi：[0067]第一步，从红外小目标图像数据集中随机采样一个批量的红外图像集X=其中批量大小Nbs预先给定；根据采样的红外图像集X获取对应的初始伪标签[0068]第二步，将红外图像集X输入到模型后预测该批次红外图像每个像素位置的小目标存在概率其中predi为对第i张红外图像的预测概率[0069]第三步，使用软交并比函数计算模型的预测概率图谱predi与初始伪标签获得该图像的小目标预测概率图谱predi。将predi与进行融合获得混合伪标签数据集中随机采样一个批量的红外图像集其中批量大小Nbs预先给标存在概率pred=fpredr,predy,…predwng⃞其中predi为对第i张红外图像的预测概率[007