典型文献
基于无监督域适应的低空海面红外目标检测
文献摘要：
提出一种基于无监督域适应的低空海面红外目标检测方法.首先利用图像翻译网络将源域图像翻译为目标域图像并共享标签.其次在YOLOv5s目标检测网络中使用梯度反转层优化网络提取特征的域间适应性.此外利用最大均值差异损失进一步缩小从网络中提取的不同红外探测器图像的特征分布.最后采用AdamW异步更新优化算法进一步提高模型在训练过程中的稳定性与检测精度.将所提方法在不同红外探测器采集的低空海面红外船只与无人机数据集中进行实验.实验结果表明,相较于传统有监督学习方法,所提方法有效降低了人工标注成本,且源域检测精度提高6.56个百分点,目标域检测精度提高2.62个百分点,有效提升目标检测模型在不同红外探测器间的泛化能力.
文献关键词：
机器视觉;红外探测器;无监督域适应;梯度反转层;稳定训练;目标检测
中图分类号：
作者姓名：
宋子壮;杨嘉伟;张东方;王诗强;张越
作者机构：
北京遥感设备研究所,北京100854
文献出处：
引用格式：
[1]宋子壮;杨嘉伟;张东方;王诗强;张越-.基于无监督域适应的低空海面红外目标检测)[J].光学学报,2022(04):119-126
A类：
梯度反转层,AdamW
B类：
无监督域适应,低空,空海,海面,面红,红外目标检测,目标检测方法,图像翻译,翻译网络,源域,译为,目标域,YOLOv5s,目标检测网络,提取特征,最大均值差异,红外探测器,特征分布,异步更新,更新优化,训练过程,检测精度,船只,有监督学习,百分点,提升目标,目标检测模型,泛化能力,机器视觉,稳定训练
AB值：
0.285354
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。
