本文采用深度學習技術中的YOLOv3(You Only Look Once Version 3)目標識別算法對紅外成像儀從海面采集的紅外圖像中艦船進行識別。紅外成像儀采集圖像的頻率高達50幀/s,為了能減少網(wǎng)絡計算時間,本文借鑒YOLOv3的一些思想,采用全卷積結構和LeakReLU激活函數(shù)重新設計一個輕量化的基礎網(wǎng)絡,以此加快檢測速度。輸出層根據(jù)采集回來的紅外圖像的特點采用Softmax算法回歸,在提高檢測速度的同時,也兼顧了檢測精度。 

【文章來源】：紅外技術. 2020年05期 第426-433頁 北大核心

【文章頁數(shù)】：8 頁

【部分圖文】：

YOLOv3算法示意圖

驗證集損失下降曲線圖

YOLOv3網(wǎng)絡結構圖（特征提取網(wǎng)絡為Darknet-53)

【參考文獻】：
期刊論文
[1]基于Faster RCNN以及多部件結合的機場場面靜態(tài)飛機檢測[J]. 戴陳卡,李毅.  計算機應用. 2017(S2)
[2]基于方向梯度直方圖的行人檢測與跟蹤[J]. 張世博,李夢佳,李樂,羅其會.  北京石油化工學院學報. 2013(04)

碩士論文
[1]基于卷積神經(jīng)網(wǎng)絡的光學遙感圖像中機場目標識別研究[D]. 張鵬.國防科學技術大學 2016



本文編號：2912412