基于改进CNN的红外目标识别方法研究

• 作者: 刘刚 刘森 张培根 曹冰许 许来祥
• 来源期刊: 火力与指挥控制
• 学科: 工学
• 关键词: 红外成像 自动目标识别 卷积神经网络 空间变换网络 Dropout丢弃率
• 年，卷（期）: 2020,（8）
• 所属期刊栏目: 工程实践
• 页码范围: 136-141
• 页数: 6页
• 分类号: TN976
• 语种: 中文
• DOI: 10.3969/j.issn.1002-0640.2020.08.023

摘要

自动目标识别是红外成像精确制导武器系统的关键技术,针对传统红外目标识别算法在复杂环境作战中存在目标特征建模复杂、识别率低等问题,提出一种基于改进的卷积神经网络(Convolutional Neural Network,CNN)方法.结合红外目标特性,调整ZFNet的卷积层和池化层数量,加入空间变换网络以提高对数据变换的鲁棒性;对Dropout层的丢弃率变化进行可视化分析并确定选取原则,以提高红外目标的识别率.通过试验结果与传统方法相比,该方法具有较高的识别率,能够为红外成像导引头目标识别算法设计提供参考.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘刚		92	230	7.0	11.0
2	刘森		9	10	2.0	2.0
3	曹冰许		2	2	1.0	1.0
4	许来祥		1	0	0.0	0.0
5	张培根		2	0	0.0	0.0