基于改进SSD的特种车辆红外伪装检测方法
在目标检测领域,基于深度学习的SSD目标检测网络同时具有实时性好和准确性高两大优点.由于特种车辆红外图像难以获取,以小轿车和公交车红外图像为研究对象,构建了红外图像Pascal VOC数据集,训练了SSD网络,并利用训练好的网络检测了红外目标图像.结果 表明,红外目标的特征信息越多,检测精度越高,但红外图像中信息残缺的车辆存在“漏检”的问题.针对该问题,通过添加“残缺窗口模块”优化数据集结构,有效解决了车辆“漏检”问题,同时目标整体的检测准确率也明显提升.将改进数据集后的红外目标检测结果作为评价指标,能够较准确评估复杂背景下特种车辆红外隐身伪装效果.
深度学习、目标检测、红外数据集、效果评估
48
O439(光学)
国家自然科学基金;陕西省自然科学基金面上项目;光电控制技术重点实验室;航空科学基金
2020-01-07(万方平台首次上网日期,不代表论文的发表时间)
共10页
105-114