基于改进YOLO的双模目标识别方法研究

• 作者: 周斌 呼吁 明德烈 黄杰军
• 来源期刊: 计算机与数字工程
• 学科: 工学
• 关键词: 神经网络 目标识别 DS证据理论 双模融合
• 年，卷（期）: 2018,（4）
• 所属期刊栏目: 图像处理
• 页码范围: 808-811
• 页数: 4页
• 分类号: TP391
• 字数: 2300字
• 语种: 中文
• DOI: 10.3969/j.issn.1672-9722.2018.04.036

摘要

针对多源图像自动目标识别的需求,对红外、可见光自动目标识别以及决策级融合方法进行了研究.针对目标所具有的变化尺度大、容易旋转、移动等特点,引入最新的YOLO卷积神经网络模型对目标进行深度学习和分类,并在GPU中完成目标识别,满足工程实时计算的需求.考虑到红外、可见光不同的成像特性,最后将红外、可见光目标反算定位对齐,并用DS证据理论对两模目标进行融合,给出融合结果,提高了系统对目标的识别能力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	明德烈	华中科技大学自动化学院	37	240	9.0	14.0
2	周斌		7	17	3.0	4.0
3	呼吁		3	7	1.0	2.0
4	黄杰军	华中科技大学自动化学院	2	8	1.0	2.0