原始名称记载: 哈尔滨工业大学（深圳）（哈尔滨工业大学深圳科技创新研究院）; 山东大学; 哈尔滨工业大学（威海）

本发明公开了一种基于交叉注意力与强化学习的红外图像合成方法及系统，涉及图像处理和模式识别技术领域。该方法包括：获取待合成的前景红外图像和背景红外图像；构建图像合成模型，并利用已知数据集对图像合成模型进行训练，其中，图像合成模型分别提取前景红外图像特征和背景红外图像特征，并基于交叉注意力机制进行特征融合，对融合的特征进行强化学习，得到图像合成策略；利用图像合成模型基于学习到的图像合成策略对待合成的背景红外图像、前景红外图像和初始变换参数执行多个时间步，得到合成的红外图像。本发明能够在保证合成自然性的同时显著提升计算效率和推理效率，实现更为真实的红外图像合成。

本发明提出一种基于知识蒸馏的多帧融合红外气体目标检测方法及系统，属于计算机视觉技术领域。将多帧待检测图像输入知识蒸馏模型，其中，通过教师模型骨干网络的多次下采样提取多尺度初始特征；将同尺度初始特征输入对应双向GRU得到当前帧时序融合特征；基于颈部特征聚合网络得到聚合多尺度特征，采用其他帧聚合特征对同尺度当前帧聚合特征进行注意力加权得到增强特征；知识蒸馏阶段，以教师模型聚合多尺度特征为监督信号，使学生模型在多尺度上对齐教师模型特征表达，得到气体目标检测结果。从而通过双向GRU对间隔视频帧建模帧间时序信息并基于知识蒸馏对齐多尺度特征表达，提升红外视频气体目标检测精度。

本发明提出了一种基于跨模态蒸馏的红外小目标检测方法及系统，属于计算机视觉技术领域。将配准的红外‑可见光图像对输入预训练后的教师模型，通过含可变形卷积模块与多头可变形注意力模块的高、低分辨率分支，分别提取多尺度特征图与注意力图，完成教师模型微调；基于自适应尺度选择机制，根据目标面积动态选取教师模型对应分支的特征图与注意力图，通过L2损失与KL散度损失蒸馏学生模型；将待检测红外图像输入训练后的学生模型，得到统一检测结果，从而通过结合自适应尺度选择提高小目标检测精度。