文献

J-GLOBAL ID：201902256332907473   整理番号：19A2532032

深さ学習に基づく赤外線画像オクルージョン検出方法【JST・京大機械翻訳】

Infrared Image Occlusion Interference Detection Method Based on Deep Learning

著者 (5件)： Liang Jie (北京机電工程研究所,北京,100074) ,  Li Lei (北京机電工程研究所,北京100074;復雑系統控制与智能協同技術重点実験室,北京100074) ,  Ren Jun (北京机電工程研究所,北京,100074) ,  Qi Hang (北京机電工程研究所,北京100074;復雑系統控制与智能協同技術重点実験室,北京100074) ,  Zhou Hongli (北京机電工程研究所,北京,100074)
資料名： Binggong Xuebao  (Binggong Xuebao)
巻： 40  号： 7  ページ： 1401-1410  発行年： 2019年 
JST資料番号： C2399A  ISSN： 1000-1093  CODEN： BIXUD9  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 赤外線イメージングシステムはターゲット検出と認識を行うとき、煙幕、雲霧などのオクルージョン妨害は目標特徴を変え、目標識別の誤りを招く。オクルージョンジャミング領域の位置決めとタイプ判断により,認識処理において,認識誤り警報率を大幅に低減し,認識の抗ジャミング能力を改善した。このため,深さ学習単一チャネル検出器に基づく改良赤外画像厚雲と煙幕遮蔽干渉検出法を提案した。ネットワーク多層特徴の多重化と融合により,多重スケール予測を実現した。動的アンカボックスモジュールを用いて,アンカー機構を改善し,検出精度を改善した。ネットワーク中の巻き積層をバッチ正規化層と統合し,検出速度を改善した。中心損失関数を導入して,分類関数を最適化し,遮蔽物の分類能力を改善した。ネットワーク訓練の過程において,赤外線サンプル拡大法を提案し,データ量を効率的に拡張し,赤外線画像訓練サンプル取得の困難さを解決した。実験結果は,改良前のアルゴリズムと比較して,改良オクルージョンジャミング検出の精度が3.7%改良され,複雑な環境における赤外線自動ターゲット認識システムの弱い妨害能力を効果的に解決できることを示した。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： 最適化 ,  *学習 ,  ネットワーク ,  予測 ,  多重化 ,  チャネル ,  *赤外線画像 ,  物体認識 ,  干渉 ,  *オクルージョン ,  アルゴリズム ,  正規化 ,  *赤外線
準シソーラス用語： ジャミング ,  誤警報 , 【Automatic Indexing@JST】

分類 (4件)： 光学的測定とその装置一般  (BD07010S) ,  計算機シミュレーション  (JE11000H) ,  システム・制御理論一般  (IA02010H) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (4件)： 学習 ,  赤外線画像 ,  オクルージョン ,  検出方法