科研之友
微信
新浪微博
Facebook
分享链接
摘要
提出一种基于无监督域适应的低空海面红外目标检测方法。首先利用图像翻译网络将源域图像翻译为目标域图像并共享标签。其次在YOLOv5s目标检测网络中使用梯度反转层优化网络提取特征的域间适应性。此外利用最大均值差异损失进一步缩小从网络中提取的不同红外探测器图像的特征分布。最后采用AdamW异步更新优化算法进一步提高模型在训练过程中的稳定性与检测精度。将所提方法在不同红外探测器采集的低空海面红外船只与无人机数据集中进行实验。实验结果表明，相较于传统有监督学习方法，所提方法有效降低了人工标注成本，且源域检测精度提高6.56个百分点，目标域检测精度提高2.62个百分点，有效提升目标检测模型在不同红外探测器间的泛化能力。
