科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对目标检测过程中存在遮挡导致的漏检和误检问题，提出一种融合图像修复模块的军事目标检测算法，通过深度学习实现军事目标的自动识别，再结合图像修复对遮挡目标实现图像增强。对于目标检测模块，在YOLOv4的基础上添加了卷积注意力机制，来增强对目标识别的敏感程度以及网络的特征提取能力；并且采用交叉迭代批量标准层，提高模型的训练效率。图像修复模块是基于生成对抗网络设计的一种双生成器模型，考虑到目标图像轮廓的完整性对图像的修复和目标的检测都有一定的影响，增加了一个边缘生成网络，图像修复模块旨在还原目标被遮挡的部位。模拟结果表明，融合了图像修复模块的目标检测算法对遮挡目标的检测精度达到了79.63%,较好地解决了遮挡情况下的漏检和误检问题。
-
单位中国兵器工业试验测试研究院; 南京理工大学
