基于深度学习的红外舰船目标识别

发布时间：2020-12-12 10:50

　　本文采用深度学习技术中的YOLOv3(You Only Look Once Version 3)目标识别算法对红外成像仪从海面采集的红外图像中舰船进行识别。红外成像仪采集图像的频率高达50帧/s,为了能减少网络计算时间,本文借鉴YOLOv3的一些思想,采用全卷积结构和LeakReLU激活函数重新设计一个轻量化的基础网络,以此加快检测速度。输出层根据采集回来的红外图像的特点采用Softmax算法回归,在提高检测速度的同时,也兼顾了检测精度。 

【文章来源】：红外技术. 2020年05期 第426-433页 北大核心

【文章页数】：8 页

【部分图文】：

YOLOv3算法示意图

验证集损失下降曲线图

YOLOv3网络结构图（特征提取网络为Darknet-53)

【参考文献】：
期刊论文
[1]基于Faster RCNN以及多部件结合的机场场面静态飞机检测[J]. 戴陈卡,李毅.  计算机应用. 2017(S2)
[2]基于方向梯度直方图的行人检测与跟踪[J]. 张世博,李梦佳,李乐,罗其会.  北京石油化工学院学报. 2013(04)

硕士论文
[1]基于卷积神经网络的光学遥感图像中机场目标识别研究[D]. 张鹏.国防科学技术大学 2016



本文编号：2912412