基于关键点的半监督红外图像目标检测算法

作者：沈一选; 金韬; 但俊

来源：激光与光电子学进展, 2022, 1-18.

• 图像处理
• 目标检测
• 卷积神经网络
• 红外图像
• 半监督学习

为了提高红外图像中目标检测的精度，本文提出了一种基于CenterNet与OMix增强的半监督红外图像目标检测算法（IRCC-OMix）。针对红外图像中的锚框先验信息难以确定的问题，利用CentLerNet作为主干模图像中的O型，通过关键点检小目标消失，影响P测红外图像中的目标。由于红外图像标注成本昂贵，引入基于教师学生网络互学习的半监督学习方法，设计了基于CenterNet与基于一致性的半监督红外图像目标检测模型（IRCC）。IRCC模型中的随机擦除（cutout）增强可能导致红外模型检测性能，本文采用一种基于目标的图像混合（mixup）增强方法（OMix），提升算法对小目标的检测能力。最后在公开数据集FLIR上的实验表明，IRCC模型的平均精度均值（mAP）达到了55.3%，与仅使用有标签数据训练情况相比，mAP提升了1.9%，说明了该模型能够充分利用无标签数据，提高模型的鲁棒性。基于OMix增强的IRCC模型的mAP为56.8%，与使用cutout增强的IRCC模型相比提高了1.5%，取得了良好的检测性能。

• 单位
  浙江大学; 电子工程学院