基于YOLOv4的空间红外弱目标检测
在空间红外弱目标检测问题中,相关模板法和帧间差分法等传统算法判别率较低,且对数据质量要求较高.针对这一问题,本文提出了一种基于改进YOLOV4的空间红外弱目标检测方法,该算法首先针对空间不同红外目标建立了相应的数据集;以YOLOv4为基础建立了空间目标检测任务专用的神经网络框架,利用k-means聚类算法重新构造先验框;针对红外弱目标的特性设计了多尺度融合算法来提高弱目标的检测精度;最后应用COCO数据集和实验室采集到的红外图像数据集对本算法进行了训练和测试.试验结果表明,本文改进算法较YOLOv4算法在检测的准确性上有明显提升,其平均准确率(AP)可达93.25%以上,检测速度达到了38.99 ms/frame,验证了算法对于空间红外弱目标检测的有效性,很好地满足了空间红外弱目标检测任务的需求.
目标识别、红外弱目标、深度学习、YOLOv4模型
36
TP391.4(计算技术、计算机技术)
国家自然科学基金;吉林省科技发展计划
2021-04-19(万方平台首次上网日期,不代表论文的发表时间)
共9页
615-623