增强区域全卷积网络下的炸点检测方法研究

摘要：

野外大视场环境下的炸点检测常采用图像帧间差分的方法,但由于弹体落地后炸点分布的情况复杂,对密集炸点的检测成为了难点问题.针对该问题,将炸点图像经过整理、分类,构建了炸点检测的专用数据集.在此基础上,对R-FCN模型的特征提取网络、区域推荐网络、位置敏感池化层和分类回归层进行了分析与改进,提出了增强区域全卷积网络用于单帧目标检测,并针对现在盲目多次尝试取最优训练结果的训练方法,提出了一种基于剪枝的网络模型训练方法.在野外大视场炸点图像专用数据集上进行了对照实验,最终平均检测率为83.73％,检测率明显提高.在Pascal VOC数据集上与其他常用算法进行了对比实验,结果表明了该算法的有效性.

关键词：炸点检测、增强区域全卷积网络、JSP&P训练方法

所属期刊栏目：31

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家自然科学基金51575388

在线出版日期：2019-04-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：412-420