面向军事图像识别网络FDRCN设计及实现

作者：唐曦煜

来源：国外电子测量技术, 2020, 39(12): 119-124.

DOI：10.19652/j.cnki.femt.2002257

• 神经网络
• 目标识别分类
• 特征提取
• 实例分割

随着军事目标的隐蔽性和机动性越来越好,导致检测识别难度加大,为了更加快速准确检测识别目标以防贻误战机,设计了一种新的深度网络识别方法(FDRCN)。首先通过将特征金字塔网络(FPN)和稠密性卷积神经网络(DenseNet)进行融合,构建特征金字塔稠密网络(FPDN)对目标进行高质量的特征提取;再通过RPN网络进一步确定检测目标的特征位置信息并形成目标候选区域;最后借助FCN和DenseNet的跳跃连接形成FCDN网络,实现目标种类的预测和分类并给出预测概率。结果表明, FDRCN算法模型可以大大提升检测识别性能,Box-mAP达到45.1%,Mask-mAP达到41.1%。

• 出版日期2020
• 单位西安工业大学