典型文献
基于全局感知机制的地面红外目标检测方法
文献摘要：
针对地面场景下的红外目标检测易受复杂背景干扰、检测精度不高、易发生误检和漏检的问题,以车辆红外特征为研究对象,提出了基于全局感知机制的红外目标检测方法.在以Darknet-53为主干网络的基础上,结合具有全局信息融合的空间金字塔池化机制,在增大模型感受域的同时增强了模型的全局信息感知力和抗干扰能力;设计了平滑焦点损失函数,解决了图像内因目标相互影响而导致的检测精度不高、易出现误检、漏检等问题.实验表明,在Infrared-VOC320数据集上,该算法的平均检测精度为80.1％,较YOLOv3提高了 4.4％,检测速度达到了 56.4 FPS,有效提高了复杂背景下红外目标的检测精度,实现了对红外目标的实时检测.
文献关键词：
红外目标检测;YOLOv3;深度学习;损失函数;空间金字塔池化
中图分类号：
作者姓名：
赵晓枫;徐叶斌;吴飞;牛家辉;蔡伟;张志利
作者机构：
火箭军工程大学导弹工程学院,陕西西安710025;兵器发射理论与技术国家重点学科实验室,陕西西安710025
文献出处：
引用格式：
[1]赵晓枫;徐叶斌;吴飞;牛家辉;蔡伟;张志利-.基于全局感知机制的地面红外目标检测方法)[J].系统工程与电子技术,2022(05):1461-1467
A类：
VOC320
B类：
感知机,面红,红外目标检测,目标检测方法,复杂背景,背景干扰,检测精度,漏检,红外特征,Darknet,主干网络,全局信息,信息融合,空间金字塔池化,大模型,信息感知,感知力,抗干扰能力,焦点损失函数,内因,Infrared,YOLOv3,检测速度,FPS,实时检测
AB值：
0.30976
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
