科研之友
微信
新浪微博
Facebook
分享链接
摘要
为提高传统无人机红外目标识别算法对输入图像的旋转鲁棒性，提出一种具有旋转等变性的红外图像目标识别算法。参照可见光三通道结构，将红外图像扩张为三通道以丰富输入图像的细节及边缘信息；以旋转等变卷积F-Conv为基础，设计并实现能够高度保留图像旋转特征的标准旋转等变卷积FBL和旋转残差FSP模块，使得模型对图像及图像中目标旋转具有鲁棒性；加入SE注意力机制自适应地学习到每个通道的重要性，并且根据任务的需要加权调整特征图中的通道贡献，提取重要的特征信息并抑制不重要的特征信息。在APOPV数据集和SAS数据集上验证模型的性能，以基准模型YOLOv5s及常见轻量级目标识别任务所用模型YOLOv8s、NanoDet作为对照组模型。实验结果表明，所提算法的mAP能够提升2%～4%，且当输入图像具有不同角度的旋转时，识别精度和查全率均优于对照组模型。
- 出版日期2023
- 单位西安工业大学
