10.3969/j.issn.1672-8785.2019.07.004
基于迁移学习的红外图像多目标检测技术
针对用传统方法难以解决城市背景下红外图像多目标检测的问题,采用迁移学习技术把深度学习中可见光域的目标检测框架迁移到红外域中.利用该方法建立的模型的小目标检测性能非常好,在制作的测试集上平均精度mAP(IoU=0.50)为0.858.还对训练数据与模型检测性能之间的关系进行了初步研究.制作了大数据量和小数据量2个训练集,对模型进行训练,然后在相同的测试集上进行测试.通过小数据量训练的模型在制作的测试集上的平均精度mAP(IoU=0.50)为0.615.实验结果表明,数据的多样性、数量、质量等都会影响模型的好坏.
迁移学习、深度学习、红外图像、目标检测、多目标
40
TP39(计算技术、计算机技术)
2019-10-31(万方平台首次上网日期,不代表论文的发表时间)
共9页
26-34