購物車(0)
基于YOLO智能網絡的紅外弱小多目標檢測技術
鈕賽賽; 周華偉; 朱婧文; 邵艷明; 李少毅 上海航天控制技術研究所; 上海201109; 中國航天科技集團公司紅外探測技術研發中心; 上海201109; 西北工業大學航天學院; 陜西西安710072
關鍵詞：紅外弱小目標 深度學習 目標檢測 yolo
摘要：復雜背景下的紅外弱小多目標檢測是紅外目標檢測的難點,現有算法的穩健性難以滿足實際彈載應用需求。針對彈載環境下的紅外場景圖像開展了基于典型深度學習網絡模型的目標檢測應用研究,提出一種基于YOLO(you only look once)網絡的智能目標檢測方法,通過高維特征學習表征和推理實現紅外弱小多目標檢測。采用傳統的模板匹配算法和YOLO深度學習算法進行識別性能對比分析,驗證了YOLO網絡在紅外弱小多目標檢測方面的良好性能。實驗結果表明:YOLO算法的檢測概率可達92.2%,平均檢測精度為0.844,與傳統的模板匹配方法相比,YOLO具有明顯的優勢。
上海航天雜志要求:
{1}計量單位以國家法定計量單位為準。統計學符號按國家標準《統計學名詞及符號》的規定書寫。
{2}所有投稿在形式上應當符合國家著作權規定、公認學術規范和本刊編輯體例。
{3}參考文獻：擇主要列入，10篇以內為宜，按文中出現順序排列。
{4}簡要地介紹研究背景、研究內容、研究成果。關鍵詞的個數為3-8個。
{5}中英文對照的標題、作者、作者單位、摘要、關鍵詞。
注：因版權方要求，不能公開全文，如需全文，請咨詢雜志社
相關期刊
