结合红外显著性目标导引的改进YOLO网络的智能装备目标识别研究

侯毅苇, 李林汉, 王彦

侯毅苇, 李林汉, 王彦. 结合红外显著性目标导引的改进YOLO网络的智能装备目标识别研究[J]. 红外技术, 2020, 42(7): 644-650.
引用本文: 侯毅苇, 李林汉, 王彦. 结合红外显著性目标导引的改进YOLO网络的智能装备目标识别研究[J]. 红外技术, 2020, 42(7): 644-650.
HOU Yiwei, LI Linhan, WANG Yan. Intelligent Equipment Object Recognition Based on Improved YOLO Network Guided by Infrared Saliency Detection[J]. Infrared Technology , 2020, 42(7): 644-650.
Citation: HOU Yiwei, LI Linhan, WANG Yan. Intelligent Equipment Object Recognition Based on Improved YOLO Network Guided by Infrared Saliency Detection[J]. Infrared Technology , 2020, 42(7): 644-650.

结合红外显著性目标导引的改进YOLO网络的智能装备目标识别研究

基金项目: 河北省自然科学基金青年科学基金(A2015410006)%2018年度河北省科学技术厅软科学研究专项项目(18454227)%河北金融学院应用数学优秀基础学科基金项目(20190235A)
详细信息
  • 中图分类号: TN219

Intelligent Equipment Object Recognition Based on Improved YOLO Network Guided by Infrared Saliency Detection

  • 摘要: 为了提升实际作战环境下目标检测识别的性能,本文提出了一种基于红外显著性目标导引的改进YOLO(You Only Look Once)网络的智能装备目标识别算法,该算法利用红外图像提供目标可能的位置引导可见光图像中的深度自主学习,提升检测与识别的实时性.改进YOLO-V3识别网络是以Darknet-53为基础网络架构,利用Dense Net代替具有较低分辨率的原始转移层,同时采用分类网络预训练、多尺度检测网络训练等措施增强特征传播,复用和融合的性能.仿真实验结果表明,本文提出的模型可以有效地提高现有目标检测与识别的性能.
  • 期刊类型引用(4)

    1. 牛奕,吴锡,甘玲童,周德闯. 基于红外锁相法缺陷深度检测的仿真. 红外技术. 2023(10): 1059-1065+1089 . 本站查看
    2. 李波,陈俊卫,刘卓毅,白洁,樊磊,张聪,郭举富. 锁相红外检测技术对耐候涂层厚度的评估. 红外技术. 2022(03): 303-309 . 本站查看
    3. 沈功田,王尊祥. 红外检测技术的研究与发展现状. 无损检测. 2020(04): 1-9+14 . 百度学术
    4. 于浩,张志利. 衍射光学可变图像表面缺陷检测系统设计. 激光杂志. 2019(10): 90-94 . 百度学术

    其他类型引用(6)

计量
  • 文章访问数:  194
  • HTML全文浏览量:  23
  • PDF下载量:  38
  • 被引次数: 10
出版历程

目录

    /

    返回文章
    返回
    x 关闭 永久关闭