由于缺乏目標的先驗信息,實時預(yù)警檢測系統(tǒng)存在虛警率高、實時性偏低等問題,限制了實戰(zhàn)環(huán)境下的廣泛應(yīng)用。為了提升目標檢測識別的性能,本文提出了一種基于改進YOLO網(wǎng)絡(luò)的雙通道顯著性目標識別算法,該算法利用紅外圖像與可見光互補特性進行多尺度融合,并在融合圖像上采用顯著性檢測獲取疑似目標區(qū)域,最后利用改進的識別網(wǎng)絡(luò)對疑似區(qū)域進行多層次目標識別。改進的YOLO識別網(wǎng)絡(luò)增加了一路輔助網(wǎng)絡(luò),改善整個特征提取網(wǎng)絡(luò)的性能,并采用注意機制對輔助網(wǎng)絡(luò)和骨干網(wǎng)絡(luò)的特征信息融合,增強有效信息通道,抑制無效信息通道,提高網(wǎng)絡(luò)識別效率。仿真實驗結(jié)果表明,本文提出的模型可以有效地提高目標檢測與識別精度,其實時性得到了大大增強。

【文章頁數(shù)】：9 頁

【部分圖文】：

圖1YOLO模型檢測流程

YOLO網(wǎng)絡(luò)衍生出許多高效率的改進網(wǎng)絡(luò),如YOLO-v1,YOLO-v2,YOLO-v3,YOLO-v3-tiny等[16]。YOLO系列網(wǎng)絡(luò)的主干網(wǎng)絡(luò)模型如圖1所示。YOLO目標檢測方法將輸入圖像劃分為S×S個互補重疊的網(wǎng)格,其中每個網(wǎng)格最多預(yù)測K個邊界框。每個邊界框的特定類....

圖2光電系統(tǒng)

現(xiàn)有的光電系統(tǒng)大都如圖2所示,集成了電視攝像機和紅外熱像儀兩種探測設(shè)備。紅外圖像可以全天候全天時獲取場景圖像信息,但由于輻射成像原理的限制,紅外圖像存在對比度低、細節(jié)模糊,目標檢測與識別精度低;而可見光圖像分辨率高,細節(jié)豐富,符合人眼視覺習慣,但容易遭受煙霧、光線、天氣的影響[1....

圖3雙通道顯著性目標識別算法

為了有效地利用光電系統(tǒng)不同通道的互補數(shù)據(jù),提升目標識別的精度與速度,本文提出了一種雙通道顯著性目標識別算法,如圖3所示。首先利用融合策略獲取紅外圖像與電視圖像的融合結(jié)果,然后采用顯著性檢測獲取紅外圖像中的疑似目標區(qū)域;最后在融合結(jié)果基礎(chǔ)上利用改進YOLO網(wǎng)絡(luò)對疑似區(qū)域進行多層次目....

圖4訓練過程

為了便于分析該模型的識別效果,本實驗不使用顯著性檢測的結(jié)果進行訓練,而是直接采用YOLO-v3的選取錨點框的方法進行區(qū)域選擇,然后進行相關(guān)的訓練。在訓練過程中,可以通過繪制損失曲線來直觀地觀察訓練的動態(tài)過程。圖4顯示了本文算法訓練期間的平均損失曲線的變換,其中橫坐標表示訓練迭代次....

本文編號：3962231