基于改进YOLO网络的双通道显著性目标识别算法

摘要：

由于缺乏目标的先验信息,实时预警检测系统存在虚警率高、实时性偏低等问题,限制了实战环境下的广泛应用.为了提升目标检测识别的性能,本文提出了一种基于改进YOLO网络的双通道显著性目标识别算法,该算法利用红外图像与可见光互补特性进行多尺度融合,并在融合图像上采用显著性检测获取疑似目标区域,最后利用改进的识别网络对疑似区域进行多层次目标识别.改进的YOLO识别网络增加了一路辅助网络,改善整个特征提取网络的性能,并采用注意机制对辅助网络和骨干网络的特征信息融合,增强有效信息通道,抑制无效信息通道,提高网络识别效率.仿真实验结果表明,本文提出的模型可以有效地提高目标检测与识别精度,其实时性得到了大大增强.

关键词：目标识别、双通道、图像融合、显著性、深度学习、注意机制

所属期刊栏目：50

分类号：TP37;TN219(计算技术、计算机技术)

资助基金：国家自然科学基金项目;装备预研兵器工业联合基金项目

在线出版日期：2020-12-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：1370-1378