一种高干扰条件下的低空小目标识别方法

本发明属于图像识别领域，是一种高干扰条件下的低空小目标识别方法，包括单阶段深度网络，通过单阶段深度网络作为基础检测架构，通过迁移学习和注意力增强机制提升网络的特征提取能力和鲁棒性；包括如下步骤：获取输入图像，以单阶段深度网络作为检测网络进行目标检测，通过特征增强模块和空间感知模块，对输入图像进行特征提取；通过空间注意力机制和通道注意力机制对相似信息的通道进行归纳整理，对相似的图像进行区分；采用卷积神经网络骨干架构CSPDarknet53跨阶段局部融合网络作为主干网络，进行通道剪枝，实现模型加速，执行图像特征的轻量化处理；通过知识迁移网络中不断迭代学生模型和教师模型，在训练过程中构造预测标签的协同一致性引导的软标签，进一步改善剪枝后模型的精度。