基于Faster R-CNN模型的低空平台偏振高光谱目标检测

基金项目: 国家自然科学基金项目(61379105)%中国博士后科学基金项目(2016M592961)%安徽省自然科学基金项目(1608085MF140)

详细信息

Polarized Hyperspectral Object Detection with Faster R-CNN for Low-Altitude Platforms

摘要: 随着无人机等低空平台在侦察领域的不断扩展以及对性能要求的不断提高,各应用场景对目标检测精度和速度也提出了越来越高的要求.传统的目标成像方法难以满足图像质量需求,人工识别目标的方法也无法应对战场环境的快速变化.结合深度学习和偏振高光谱成像技术的发展,通过模拟偏振高光谱低空目标检测平台,提出基于Faster R-CNN的地面军事目标检测方法.采用区域建议网络模块进行模型训练,而在目标检测阶段通过对特征图进行兴趣区域池化操作得到建议特征图,最后利用建议特征图完成目标类别判定.实验选取3种典型的军事车辆缩比模型,通过偏振高光谱相机在室内外模拟环境中获取目标在不同场景条件的图像数据,以及某型无人机在低空条件下的地面车辆目标数据进行实验验证.实验表明,该方法在有效完成地面目标的检测时,能够达到理想的检测精度和速度.
- 深度学习 /
- 偏振高光谱图像 /
- 目标检测 /
- 无人机

1.	郑卓锐，钟慧，聂勇潇，林婷，方依霏，宋立伟，田野. 基于太赫兹超材料的牛血清白蛋白传感器研究. 中国激光. 2023(17): 208-215 . 百度学术
2.	施卫，王海青，侯磊，董陈岗，杨磊，赵红卫，王志全，王悦政，李超凡. 氨基酸分子水溶液的太赫兹无损检测. 中国科学:物理学力学天文学. 2021(05): 90-95 . 百度学术
3.	燕芳，刘成毫，王志春，李伟. 甘草酸太赫兹振动模式的量子化学计算. 光谱学与光谱分析. 2020(06): 1780-1784 . 百度学术