在空间红外弱目标检测问题中,相关模板法和帧间差分法等传统算法判别率较低,且对数据质量要求较高。针对这一问题,本文提出了一种基于改进YOLOV4的空间红外弱目标检测方法,该算法首先针对空间不同红外目标建立了相应的数据集;以YOLOv4为基础建立了空间目标检测任务专用的神经网络框架,利用k-means聚类算法重新构造先验框;针对红外弱目标的特性设计了多尺度融合算法来提高弱目标的检测精度;最后应用COCO数据集和实验室采集到的红外图像数据集对本算法进行了训练和测试。试验结果表明,本文改进算法较YOLOv4算法在检测的准确性上有明显提升,其平均准确率(AP)可达93.25%以上,检测速度达到了38.99ms/frame,验证了算法对于空间红外弱目标检测的有效性,很好地满足了空间红外弱目标检测任务的需求。
基本信息
题目 | 基于YOLOv4的空间红外弱目标检测 |
文献类型 | 期刊论文 |
作者 | 刘杨帆,曹立华,李宁,张云峰 |
作者单位 | 中国科学院长春光学精密机械与物理研究所,中国科学院大学,激光与物质相互作用国家重点实验室 |
文献来源 | 液晶与显示 2021年04期 |
发表年份 | 2021 |
学科分类 | 基础科学,信息科技 |
专业分类 | 无线电电子学,计算机软件及计算机应用 |
基金 | 国家自然科学基金(No.61705219),吉林省科技发展计划(No.20190103133JH)~~ |
分类号 | TP391.41;TN219 |
关键词 | 目标识别,红外弱目标,深度学习,模型 |
页码: | 615-623 |
总页数: | 9 |
文件大小: | 3927K |
论文目录
1 引言 |
2 红外图像特性 |
3 YOLOv4简介 |
4 算法改进 |
4.1 先验框设置 |
4.2 多尺度融合算法 |
5 实验与结果分析 |
5.1 实验的基础条件设置 |
5.2 实验设计 |
5.3 实验结果分析 |
6 结论 |
参考文献
[1] 基于YOLOv4神经网络的小龙虾质量检测方法[J]. 食品与机械 2021(03) |
[2] 基于YOLOv4与光流法的行人检测和计数方法研究[J]. 网络安全技术与应用 2021(03) |
[3] 基于YOLOV4的智能垃圾分类回收机器人[J]. 智能计算机与应用 2020(11) |
[4] 基于改进YOLOv4的电机端盖缺陷检测[J]. 计算机系统应用 2021(03) |
[5] 基于YOLOv4卷积神经网络的口罩佩戴检测方法[J]. 现代信息科技 2020(11) |
[6] YOLOv4在电力巡检目标检测中的应用[J]. 现代信息科技 2020(20) |
[7] 基于改进型YOLOv4的果园障碍物实时检测方法[J]. 农业工程学报 2021(02) |
[8] 基于YOLOv4和标签相关性的人脸属性识别算法研究[J]. 信息技术与信息化 2021(02) |
[9] YOLOv4的车辆检测方法研究[J]. 电子世界 2021(05) |
[10] 基于YOLOv4的小目标缺陷检测[J]. 电子世界 2021(05) |
[11] 基于改进Yolov4的服务器部件检测算法[J]. 信息技术 2021(02) |
[12] 基于YOLOv4改进算法的乒乓球识别[J]. 科技创新与应用 2020(27) |
[13] 基于U-net和YOLOv4的绝缘子图像分割与缺陷检测[J]. 华南师范大学学报(自然科学版) 2020(06) |
[14] 基于改进的YOLOv4输电线路小目标检测[J]. 国外电子测量技术 2021(02) |
[15] 基于YOLOv4的车辆检测与流量统计研究[J]. 现代信息科技 2020(15) |
[16] 基于YOLOv4的猪只饮食行为检测方法[J]. 农业机械学报 2021(03) |
[17] YOLOv4智慧课堂头部检测[J]. 电子世界 2021(05) |
[18] 基于深度学习的视频火焰烟雾检测方法[J]. 信息通信 2020(09) |
相似文献
[1]《红外》2016年总目[J].   红外.2016(12) |
[2]基于YOLOv4神经网络的小龙虾质量检测方法[J]. 王淑青,黄剑锋,张鹏飞,王娟.  食品与机械.2021(03) |
[3]基于YOLOv4与光流法的行人检测和计数方法研究[J]. 詹文杰,邱梓逸,蔡振雄.  网络安全技术与应用.2021(03) |
[4]《红外》2015年总目[J].   红外.2015(12) |
[5]红外、紫外、X射线材料[J].   中国光学与应用光学文摘.2000(06) |
[6]改进YOLOv4算法的航空发动机部件表面缺陷检测[J]. 李彬,汪诚,吴静,刘吉超,童立甲,郭振平.  激光与光电子学进展. |
[7]基于改进YOLOv4的电机端盖缺陷检测[J]. 万卓,叶明,刘凯.  计算机系统应用.2021(03) |
[8]紧凑的第二代前视红外仪[J]. 高.  红外.1999(10) |
[9]制作简单的红外测障器[J]. 陈浩.  网络科技时代.2004(02) |
[10]红外吹风机[J].   激光与光电子学进展.2000(09) |