基于双流融合网络的单兵伪装偏振成像检测

作者：王荣昌; 王峰^*; 任帅军; 王勇

来源：光学学报, 2022, 42(09): 193-205.

• 机器视觉
• 单兵伪装检测
• 偏振成像
• 卷积神经网络
• 数据集

单兵伪装目标与背景之间在颜色上有高度的相似性，目标具有高度复杂的姿态，而且存在遮挡问题，这些问题使得单兵伪装目标检测较传统目标检测有很大的挑战性。针对上述问题，提出基于偏振信息和RGB(Red, Green, Blue)信息的深度学习算法，同时构建单兵伪装目标偏振图像数据集CIP3K(Multicam型迷彩伪装数据集和Woodland型迷彩伪装数据集)。基于Faster R-CNN(Faster Region-Convolutional Neural Network)提出一种双流特征融合网络TSF-Net,其能够融合目标偏振特征信息和RGB特征信息。在CIP3K数据集上进行大量实验，用来测试TSF-Net模型与其他检测模型的性能。实验结果表明，相较于Faster R-CNN,TSF-Net模型在两个数据集上的平均检测精度分别提高了8.2个百分点和8.8个百分点，且优于一些主流目标检测模型。

• 单位
  中国人民解放军陆军炮兵防空兵学院