基于CNN的弹载图像目标检测方法研究

基于CNN的弹载图像目标检测方法研究

论文摘要

针对弹载图像目标检测存在适应性不足和智能度不高的问题,阐述了基于卷积神经网络的单帧和多帧图像目标检测算法;提出了在应对恶劣天气、目标旋转及尺度变化、精度速度权衡等难点中的解决策略,包括了在模型、网络结构、训练手段等方面的改进方法。同时,在通用数据集和构建的军事目标专用数据集上进行监督学习训练,对主要算法进行性能比较。结果表明,基于CNN算法能够满足实时性要求,有效提高检测能力,具有更强的环境适应性。

论文目录

  • 1 引言
  • 2 基于CNN的图像目标检测算法概述
  •   2.1 基于CNN的单帧图像目标检测算法
  •     2.1.1 两阶段算法
  •     2.1.2 单阶段算法
  •   2.2 基于CNN的多帧图像目标检测算法
  • 3 关键问题应对策略
  •   3.1 尺度变化
  •   3.2 多目标检测精度
  •   3.3 算法实时性
  •   3.4 雨雾天气
  • 4 试验对比
  •   4.1 通用数据集性能对比
  •   4.2 专用数据集测试
  • 5 结束语
  • 文章来源

    类型: 期刊论文

    作者: 杨传栋,刘桢,石胜斌

    关键词: 目标检测,弹载图像,卷积神经网络,监督学习训练,导弹,制导

    来源: 战术导弹技术 2019年04期

    年度: 2019

    分类: 工程科技Ⅱ辑,信息科技

    专业: 武器工业与军事技术,计算机软件及计算机应用,自动化技术

    单位: 陆军炮兵防空兵学院研究生队,陆军炮兵防空兵学院兵器工程系

    基金: 装备预研基金重点项目(9140A05030213JB913)

    分类号: TP391.41;TP183;TJ410.3

    DOI: 10.16358/j.issn.1009-1300.2019.8.169

    页码: 85-92

    总页数: 8

    文件大小: 461K

    下载量: 244

    相关论文文献

    标签:;  ;  ;  ;  ;  ;  

    基于CNN的弹载图像目标检测方法研究
    下载Doc文档

    猜你喜欢