基于深度学习的防空武器红外目标识别技术应用研究
针对防空武器的作战使用需求,提出了一种基于深度学习的防空武器红外目标识别流程,通过大视场进行目标检测,小视场进行目标跟踪识别.在目标检测阶段,采用YOLO网络模型实现全图多目标识别定位;在目标跟踪阶段,采用超分辨率重建算法提升目标局部图像分辨率,利用深度残差网络模型实现跟踪目标的识别分类.试验结果表明,基于深度学习的空中目标识别技术对典型目标的分类识别准确率均达到90%以上,能较好应用于防空武器对典型空中目标的分类识别,为防空武器的智能化发展提供了技术支撑.
防空武器、深度学习、神经网络、红外目标识别
43
TJ35(火炮)
装备预研领域基金61403120205
2022-04-08(万方平台首次上网日期,不代表论文的发表时间)
共5页
125-129