科研之友
微信
新浪微博
Facebook
分享链接
摘要
复杂背景下的高精度红外车辆小目标检测具有很高的应用价值。现有的红外小目标检测方法在复杂背景，目标模糊以及目标重叠的情况下往往容易产生虚警和漏检的情况。本文提出了一种基于并行融合网络的航拍红外车辆小目标检测方法。该方法以并行残差块搭建的网络作为主干网络，完成对目标高精度且强鲁棒性的识别和分类。接着在此网络的基础上进行特征提取与特征融合，提出了基于跨层连接的改进YOLOv3算法，充分利用底层的信息完成对红外车辆小目标的高精度检测与定位。最后，采用soft-NMS替代NMS来缓解目标重叠问题。实验结果表明，本文方法能够准确检测复杂运动背景下的红外车辆小目标，并在误报率较低的情况下达到较高的检测精度。其中虚警率仅有0.01%且漏检率仅有1.36%。
- 单位
