摘要: |
由于图像数量多,因此准确、高效的目标检测是提升靶场光测图像处理自动化程度的关键步骤。针对低空目标图像及目标类型多、目标特性变化等情况导致传统目标检测算法适应性差的问题,提出了一种基于双重分类深度学习的低空目标自动检测方法。该方法基于深度学习目标检测框架YOLO V3,根据低空目标的亮度和形状的双重属性特征,将网络输出层中的单属性分类改进为双属性分类;基于目标区域生长实现样本自动标注,利用序列图像目标约束增加检测结果确认环节。靶场低空场景下的实际图像训练及检测结果表明:该方法初步检测成功率高于90%,后处理之后取得了99%的检测成功率和62%的平均定位精度。 |
(School of Aeronautics and Astronautics, Sun Yat-sen University, Guangzhou 510275, Guangdong, China)
|