科研之友
微信
新浪微博
Facebook
分享链接
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。
- 单位
