基于深度时空卷积神经网络的点目标检测OA北大核心CSCDCSTPCD
Point target detection based on deep spatial-temporal convolution neural network
由于点目标可用信息少,点目标检测技术是红外搜索与跟踪系统(IRST)中的挑战性难点.基于人工提取特征的传统目标检测,智能化水平低,对点目标检测的难度大.针对此问题,提出一种新的基于深度时空卷积神经网络的点目标检测方法.该方法采用全卷积架构,输入输出尺度相同,可用于处理任意尺度图像.为了提高实时性,卷积分解技术被引入3D时空卷积处理中,将复杂3D时空卷积分解为低复杂度的2D空域卷积和1D时域卷积.根据点目标特点,多权值损失函数被提出,分别采用样本均…查看全部>>
Point target detection in Infrared Search and Track(IRST)is a challenging task. due to less informa-tion. Traditional methods based on hand-crafted features are hard to finish detection intelligently. A novel deep spatial-temporal convolution neural network is proposed to suppress background and detect point targets. The pro-posed method is realized based on fully convolution network. So input of arbitrary size can be put into the net-work and correspondingl…查看全部>>
李淼;林再平;樊建鹏;盛卫东;李骏;安玮;李昕磊
国防科技大学电子科学学院,湖南长沙410073国防科技大学电子科学学院,湖南长沙410073国防科技大学电子科学学院,湖南长沙410073国防科技大学电子科学学院,湖南长沙410073国防科技大学电子科学学院,湖南长沙410073国防科技大学电子科学学院,湖南长沙410073西安卫星测控中心,陕西西安710000
信息技术与安全科学
点目标检测红外搜索与跟踪(IRST)背景抑制卷积神经网络(CNN)时空检测
point target detectioninfrared search and track (IRST)background suppressionconvolutionneural network(CNN)spatial-temporal detection
《红外与毫米波学报》 2021 (1)
122-132,11
Supported by the National Natural Science Foundation of China(61921001)
评论