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