改进YOLO v2的装甲车辆目标识别

• 作者: 吕攀飞 王曙光
• 来源期刊: 计算机与现代化
• 学科: 工学
• 关键词: 装甲目标识别 维度聚类 YOLO v2 anchor
• 年，卷（期）: 2018,（9）
• 所属期刊栏目: 图像处理
• 页码范围: 68-71,79
• 页数: 5页
• 分类号: TP391
• 字数: 3102字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-2475.2018.09.014

摘要

军事目标识别技术是军事信息处理的一个重要内容,对于实现军事装备信息化、智能化起着不可忽视的作用.近年来随着深度卷积神经网络在图像识别领域的广泛应用,各种基于图像目标识别任务的网络结构层出不穷,因此将这项新技术应用于军事目标的识别具有极强的现实意义和军事应用价值.本文以目前具有最佳识别效果的YOLO v2网络为基础,通过维度聚类重新确定最优的anchor个数及其宽高维度,并制作以明显特征为目标区域的装甲车辆数据集,使得该网络对装甲目标的识别更为精确.通过实验验证,该方法能有效地对特定装甲目标进行实时精确识别.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王曙光	中国人民解放军陆军炮兵防空兵学院兵器工程系	14	51	5.0	6.0
2	吕攀飞	中国人民解放军陆军炮兵防空兵学院兵器工程系	1	4	1.0	1.0