基于迁移学习的红外图像多目标检测技术

论文摘要

针对用传统方法难以解决城市背景下红外图像多目标检测的问题,采用迁移学习技术把深度学习中可见光域的目标检测框架迁移到红外域中。利用该方法建立的模型的小目标检测性能非常好,在制作的测试集上平均精度mAP (IoU=0.50)为0.858。还对训练数据与模型检测性能之间的关系进行了初步研究。制作了大数据量和小数据量2个训练集,对模型进行训练,然后在相同的测试集上进行测试。通过小数据量训练的模型在制作的测试集上的平均精度mAP (IoU=0.50)为0.615。实验结果表明,数据的多样性、数量、质量等都会影响模型的好坏。

论文目录

• 0 引言
• 1 相关概念
•   1.1 城市背景下红外图像的目标特点
•   1.2 基于深度学习的目标检测框架
• 2 基于深度学习的红外图像多目标检测方法
•   2.1 迁移学习
•   2.2 工作流程
• 3 实验结果
•   3.1 实验细节
•     3.1.1 训练环境
•     3.1.2 训练参数
•     3.1.3 数据集
•     3.1.4 训练样本
•     3.1.5 测试样本
•   3.2 实验结果及分析
• 4 结束语

文章来源

类型: 期刊论文

作者: 林鸿生,刘文正,汤永涛

关键词: 迁移学习,深度学习,红外图像,目标检测,多目标

来源: 红外 2019年07期

年度: 2019

分类: 信息科技,工程科技Ⅱ辑

专业: 电力工业,计算机软件及计算机应用,自动化技术

单位: 海军士官学校,中国人民解放军75833部队

分类号: TP391.41;TM21;TP18

页码: 26-34

总页数: 9

文件大小: 3692K

下载量: 225