结合红外显著性目标导引的改进YOLO网络的智能装备目标识别研究
Intelligent Equipment Object Recognition Based on Improved YOLO Network Guided by Infrared Saliency Detection作者机构:河北金融学院大数据科学学院河北保定071051 河北金融学院金融创新与风险管理研究中心河北保定0710051 中国电子科技集团公司第五十四所信息传输与分发技术重点实验室河北石家庄050081
出 版 物:《红外技术》 (Infrared Technology)
年 卷 期:2020年第42卷第7期
页 面:644-650页
核心收录:
基 金:河北省自然科学基金青年科学基金(A2015410006) 2018年度河北省科学技术厅软科学研究专项项目(18454227) 河北金融学院应用数学优秀基础学科基金项目(20190235A)。
主 题:目标识别 红外显著性 目标导引 深度学习 YOLO-V3 智能装备
摘 要:为了提升实际作战环境下目标检测识别的性能,本文提出了一种基于红外显著性目标导引的改进YOLO(You Only Look Once)网络的智能装备目标识别算法,该算法利用红外图像提供目标可能的位置引导可见光图像中的深度自主学习,提升检测与识别的实时性。改进YOLO-V3识别网络是以Darknet-53为基础网络架构,利用DenseNet代替具有较低分辨率的原始转移层,同时采用分类网络预训练、多尺度检测网络训练等措施增强特征传播,复用和融合的性能。仿真实验结果表明,本文提出的模型可以有效地提高现有目标检测与识别的性能。