基于特征增强和样本充分学习的红外飞机检测

作     者：徐红鹏 刘刚 司起峰 陈会祥 XU Hongpeng;LIU Gang;SI Qifeng;CHEN Huixiang

作者机构：河南科技大学信息工程学院河南洛阳471000 

出 版 物：《电光与控制》 (Electronics Optics & Control)

年 卷 期：2025年第32卷第1期

页      面：54-60页

学科分类：08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程] 

基　　金：国家留学基金(留金项20号) 河南省高等学校重点科研项目(21A520012) 

主　　题：红外飞机检测 全局上下文 空间注意力 Focal Loss 易负样本 

摘      要：针对深度学习单阶段检测算法对红外飞机目标的特征提取能力不足以及样本学习不充分的问题,提出基于特征增强的全局上下文机制(FEGCM)和样本充分学习的目标检测算法。FEGCM可获取包含目标的全局信息与局部信息的特征图,从而提高特征提取网络对目标特征的提取能力。通过在Focal Loss中添加调制因子,在关注难负样本学习的基础上,充分利用包含目标特性的部分易负样本,使得样本充分学习,从而帮助检测算法学习到更有意义的目标特征。实验表明,所提算法在自制红外飞机数据集上的mAP_(50)达到96.9%,能够有效实现红外飞机目标检测。