基于跨模态数据增强的红外时敏目标检测技术

摘要：

目前红外时敏目标检测技术在无人巡航、精确打击、战场侦察等领域应用广泛,但有些高价值目标图像的获取难度高且成本昂贵.针对红外时敏目标图像数据匮乏、缺少用于训练的多场景多目标数据、检测效果不佳等问题,文中提出一种基于跨模态数据增强的红外时敏目标检测技术,跨模态数据增强方法为两阶段模型.首先在第一阶段通过基于CUT网络的模态转换模型将包含时敏目标的可见光图像转换为红外图像,其次在第二阶段模型中引入coordinate attention注意力机制,随机生成大量红外目标图像,实现了数据增强效果.最后提出一种基于SE模块和CBAM模块改进的Yolov5 目标检测架构,实验结果表明,文中提出的Yolov5(CSP-A)目标检测技术与原网络相比,准确率提升了7.36%,召回率提升了 5.43%,平均精度提升了 2.74%.有效提高了红外时敏目标的检测精度,实现了红外时敏目标精确检测.

关键词：红外时敏目标、数据增强、模态转换、目标检测

所属期刊栏目：52

分类号：TP391(计算技术、计算机技术)

在线出版日期：2023-10-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共13页

页码：361-373