基于双重分类深度学习的低空目标自动检测方法

• 作者: 钟立军 林彬 王杰 甘叔玮 张小虎
• 来源期刊: 上海航天（中英文）
• 学科: 航空航天
• 关键词: 双属性分类 目标检测 深度学习 自动标注 后处理
• 年，卷（期）: 2022,（2）
• 所属期刊栏目: 创新与探索|Innovation and Exploration
• 页码范围: 91-98
• 页数: 8页
• 分类号: V217
• 语种: 中文
• DOI: 10.19328/j.cnki.2096‑8655.2022.02.014

摘要

由于图像数量多,因此准确、高效的目标检测是提升靶场光测图像处理自动化程度的关键步骤.针对低空目标图像及目标类型多、目标特性变化等情况导致传统目标检测算法适应性差的问题,提出了一种基于双重分类深度学习的低空目标自动检测方法.该方法基于深度学习目标检测框架YOLO V3,根据低空目标的亮度和形状的双重属性特征,将网络输出层中的单属性分类改进为双属性分类;基于目标区域生长实现样本自动标注,利用序列图像目标约束增加检测结果确认环节.靶场低空场景下的实际图像训练及检测结果表明:该方法初步检测成功率高于90％,后处理之后取得了99％的检测成功率和62％的平均定位精度.