基于卷积神经网络的空中红外飞机检测

摘要：

在传统的空中目标检测算法中,需要进行人工设计特征来满足不同天空背景下的目标检测需求,对未来防空作战体系要求的自动化和智能化提出了挑战.为此本文在防空武器成像系统应用背景下,参照PASCAL VOC2007数据集格式建立了空中红外飞机数据集,将基于卷积神经网络的Faster R-CNN算法与R-FCN算法应用到空中红外飞机检测问题中,其次在Caffe框架平台下利用Faster R-CNN+ VGG16/ResNet-101模型、R-FCN+ ResNet-101模型,分别对自建数据集中测试集进行了检测.实验结果表明,在应对远距离弱小目标、云层遮挡、对比度低、目标截断等较难检测情况时,Faster R-CNN和R-FCN算法均能够有效地检测出空中红外飞机.本文良好的检测效果为解决空中红外飞机检测问题提供了更加简洁的思路.

关键词：卷积神经网络、深度学习、空中红外飞机、目标检测

所属期刊栏目：48

分类号：TP391.9(计算技术、计算机技术)

在线出版日期：2019-03-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：1541-1546