咨询与建议

看过本文的还看了

相关文献

该作者的其他文献

文献详情 >融合全卷积神经网络和视觉显著性的红外小目标检测 收藏

融合全卷积神经网络和视觉显著性的红外小目标检测

Infrared Small Target Detection Based on Fully Convolutional Neural Network and Visual Saliency

作     者:刘俊明 孟卫华 LIU Jun⁃ming;MENG Wei⁃hua

作者机构:中国空空导弹研究院河南洛阳471009 航空制导武器航空科技重点实验室河南洛阳471009 

出 版 物:《光子学报》 (Acta Photonica Sinica)

年 卷 期:2020年第49卷第7期

页      面:40-50页

核心收录:

学科分类:080901[工学-物理电子学] 0809[工学-电子科学与技术(可授工学、理学学位)] 08[工学] 080401[工学-精密仪器及机械] 0804[工学-仪器科学与技术] 0803[工学-光学工程] 

基  金:航空科学基金(No.20160153001) 

主  题:深度学习 目标检测 红外 全卷积神经网络 多尺度特征 显著性 小目标 

摘      要:为提高复杂背景和噪声干扰下红外小目标检测性能,提出了融合深度神经网络和视觉目标显著性的单阶段红外小目标检测算法.首先设计了基于编码器-解码器架构的轻量级全卷积神经网络对红外图像进行分割,实现背景抑制和目标增强;然后利用红外小目标的显著性特征进一步抑制虚警;最后采用自适应阈值法分离出小目标.网络结构中通过引入多个下采样层降低计算量并增大感受野;通过引入多尺度特征提升背景抑制能力;通过引入注意力机制提升模型训练效果.在真实红外图像上的测试表明,本文算法在检测率、虚警率和运算时间等方面都优于典型红外小目标检测算法,适合进行复杂背景下的红外小目标检测.

读者评论 与其他读者分享你的观点