基于Faster R-CNN模型的低空平台偏振高光谱目标检测

• 作者: 徐国明 曹宇剑 黄伟
• 来源期刊: 红外技术
• 学科: 工学
• 关键词: 深度学习 偏振高光谱图像 目标检测 无人机
• 年，卷（期）: 2019,（7）
• 所属期刊栏目: 图像处理与仿真
• 页码范围: 600-606
• 页数: 7页
• 分类号: TP391|TN911.73
• 字数: 4781字
• 语种: 中文

摘要

随着无人机等低空平台在侦察领域的不断扩展以及对性能要求的不断提高,各应用场景对目标检测精度和速度也提出了越来越高的要求.传统的目标成像方法难以满足图像质量需求,人工识别目标的方法也无法应对战场环境的快速变化.结合深度学习和偏振高光谱成像技术的发展,通过模拟偏振高光谱低空目标检测平台,提出基于Faster R-CNN的地面军事目标检测方法.采用区域建议网络模块进行模型训练,而在目标检测阶段通过对特征图进行兴趣区域池化操作得到建议特征图,最后利用建议特征图完成目标类别判定.实验选取3种典型的军事车辆缩比模型,通过偏振高光谱相机在室内外模拟环境中获取目标在不同场景条件的图像数据,以及某型无人机在低空条件下的地面车辆目标数据进行实验验证.实验表明,该方法在有效完成地面目标的检测时,能够达到理想的检测精度和速度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	黄伟	中国电子科技集团公司第二十七研究所	33	50	4.0	4.0
2	徐国明		8	13	3.0	3.0
6	曹宇剑		2	6	2.0	2.0