首页 > 论文 > 激光与光电子学进展 > 57卷 > 04期(pp:041006)

基于重点区域注意力学习的空对地目标检测算法

  • 摘要
  • 论文信息
  • 参考文献
  • 被引情况
分享:

摘要

在空基对地目标检测背景下,由于对地成像视角单一、目标尺寸随成像高度变化以及背景干扰复杂等特点,现有深度学习目标检测算法难以取得令人满意的效果。针对该问题,本文提出了一种注意机制模型,用于图像中重点区域的注意力学习,解决背景与目标间的类不平衡问题。首先,本文建立了注意机制模型,用于学习图像中重点区域的注意力权重,使网络能够选择性地注意图像中的重点区域特征;其次,通过设计区域和目标相耦合的损失函数,实现了注意损失和目标检测损失的同步优化;最后,本文利用空对地目标检测数据集进行了目标检测实验, 实验结果表明,本文提出的基于重点区域注意力学习的空对地目标检测算法能够有效地将网络学习的注意力集中于含有目标的重点区域,减小了背景特征对检测算法的干扰,提升了检测精度。

Newport宣传-MKS新实验室计划
补充资料

DOI:10.3788/lop57.041006

作者单位:

    火箭军工程大学
    火箭军工程大学
    火箭军工程大学

引用该论文

张萌,王仕成,杨东方. 基于重点区域注意力学习的空对地目标检测算法[J].激光与光电子学进展,2020,57(04):041006.