基于深度卷积神经网络的红外场景理解算法

基金项目: 国家"十二五"国防预研项目,上海物证重点实验室基金(2011xcwzk04)%中国科学院青年创新促进会资助(2014216)

详细信息

Infrared Scene Understanding Algorithm Based on Deep Convolutional Neural Network

摘要: 采用深度学习的方法实现红外图像场景语义理解.首先,建立含有4类别前景目标和1个类别背景的用于语义分割研究的红外图像数据集.其次,以深度卷积神经网络为基础,结合条件随机场后处理优化模型,搭建端到端的红外语义分割算法框架并进行训练.最后,在可见光和红外测试集上对算法框架的输出结果进行评估分析.实验结果表明,采用深度学习的方法对红外图像进行语义分割能实现图像的像素级分类,并获得较高的预测精度.从而可以获得红外图像中景物的形状、种类、位置分布等信息,实现红外场景的语义理解.
- 红外图像 /
- 红外场景 /
- 语义分割 /
- 卷积神经网络

1.	毕建敏，陈友兴，薛凯亮，李泽宙. 基于连续太赫兹波频谱信息提取方法研究. 电子测量技术. 2024(14): 64-71 . 百度学术
2.	王赫楠，任姣姣，张丹丹，顾健，张霁旸，李丽娟. 基于连续小波变换的玻璃纤维增强树脂复合材料太赫兹特征增强及缺陷成像. 复合材料学报. 2021(12): 4190-4197 . 百度学术