典型文献
面向天基监视的红外弱小飞行目标识别算法
文献摘要：
针对当前红外弱小飞行目标特征不明显、背景干扰大等问题,提出了一种基于深度学习的红外弱小目标识别算法.检测框架以YOLOv4模型为基础,通过使用K-means++算法对训练集的候选框进行聚类处理,在初始大小的选取上放弃随机生成初始点的方式,在样本集里选取某一个样本作为初始中心使锚框(anchor)大小的选取更加合理.在模型结构中引入卷积注意力模块,使算法模型计算资源分配更合理,对红外弱小飞行目标的特征信息更加敏感.改进空间金字塔池化模块,使用平均池化可以更多保留图像的原始信息,降低天基成像中的噪点与坏点的影响.仿真实验表明采用K-means++计算Anchor大小时准确率可以达到80.13％,在加入了SPP和CBAM模块后之后在测试集上算法识别准确率达到了83.3％,经过对模型的修改有效提升了对红外弱小飞行目标识别的准确率.
文献关键词：
深度学习;卷积网络;红外弱小目标;天基监视;目标识别
中图分类号：
作者姓名：
乔梦雨;谭金林;刘亚虎;徐其志;万生阳
作者机构：
陕西航天技术应用研究院有限公司,西安 710100;北京理工大学机电学院,北京 100081
文献出处：
引用格式：
[1]乔梦雨;谭金林;刘亚虎;徐其志;万生阳-.面向天基监视的红外弱小飞行目标识别算法)[J].中国空间科学技术,2022(05):125-132
A类：
天基监视
B类：
目标识别算法,目标特征,背景干扰,红外弱小目标,小目标识别,检测框架,YOLOv4,means++,训练集,候选框,初始点,样本集,一个样,锚框,anchor,模型结构,卷积注意力模块,算法模型,计算资源分配,更合,特征信息,改进空间,空间金字塔池化,金字塔池化模块,平均池化,噪点,坏点,Anchor,SPP,CBAM,测试集,上算,算法识别,识别准确率,卷积网络
AB值：
0.382896
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。
