10.16708/j.cnki.1000-758X.2022.0074
面向天基监视的红外弱小飞行目标识别算法
针对当前红外弱小飞行目标特征不明显、背景干扰大等问题,提出了一种基于深度学习的红外弱小目标识别算法.检测框架以YOLOv4模型为基础,通过使用K-means++算法对训练集的候选框进行聚类处理,在初始大小的选取上放弃随机生成初始点的方式,在样本集里选取某一个样本作为初始中心使锚框(anchor)大小的选取更加合理.在模型结构中引入卷积注意力模块,使算法模型计算资源分配更合理,对红外弱小飞行目标的特征信息更加敏感.改进空间金字塔池化模块,使用平均池化可以更多保留图像的原始信息,降低天基成像中的噪点与坏点的影响.仿真实验表明采用K-means++计算Anchor大小时准确率可以达到80.13%,在加入了SPP和CBAM模块后之后在测试集上算法识别准确率达到了83.3%,经过对模型的修改有效提升了对红外弱小飞行目标识别的准确率.
深度学习、卷积网络、红外弱小目标、天基监视、目标识别
42
TP751(遥感技术)
国家自然科学基金61972021
2022-09-20(万方平台首次上网日期,不代表论文的发表时间)
共8页
125-132