《電子技術(shù)應(yīng)用》
您所在的位置：首頁(yè) > 人工智能 > 设计应用 > 基于实例迁移的机载红外小目标检测算法
基于实例迁移的机载红外小目标检测算法
电子技术应用
刘彤1，宋嘉乐2，李志和1，蒋晓旭1，高芳1，胡锦汐1
1.平高集团智慧能源技术研究院；2.北京航天无人机系统工程研究所
摘要： 近年来，机载红外小目标检测技术已经成为军事和民用领域的研究热点。但在实际应用中，复杂背景和低信噪比等因素的影响仍然使红外小目标检测面临挑战。因此，针对小目标检测，选取更适合红外小目标及复杂背景的YOLOv7模型，在此基础上提出了一种改进的机载红外小目标检测算法AIR-YOLOv7，并利用实例迁移学习的方法分析红外小目标的特点，对数据集进行扩充，进一步提高算法的性能。实验结果表明，AIR-YOLOv7算法在机载复杂场景下的红外小目标检测方面具有更好的表现，mAP值达到97.09％，同时FPS为102.09帧/s。仅通过少量扩充本文数据集，实例迁移方法就使算法的mAP值提高了0.96个百分点，为后续硬件平台边缘计算移植提供了理论基础。
中圖分類號(hào)：TN911.73 文獻(xiàn)標(biāo)志碼：A DOI: 10.16157/j.issn.0258-7998.267733
中文引用格式： 劉彤，宋嘉樂(lè)，李志和，等. 基于實(shí)例遷移的機(jī)載紅外小目標(biāo)檢測(cè)算法[J]. 電子技術(shù)應(yīng)用，2026，52(4)：42-48.
英文引用格式： Liu Tong，Song Jiale，Li Zhihe，et al. Airborne infrared small target detection algorithm based on instance migration[J]. Application of Electronic Technique，2026，52(4)：42-48.
Airborne infrared small target detection algorithm based on instance migration
Liu Tong1，Song Jiale2，Li Zhihe1，Jiang Xiaoxu1，Gao Fang1，Hu Jinxi1
1.Pinggao Group Smart Energy Technology Research Institute；2.Beijing Aerospace Unmanned Aerial Vehicle Systems Engineering Research Institute
Abstract： In recent years, airborne infrared small target detection technology has become a research hotspot in the military and civilian fields. However, in practical applications, the influence of factors such as complex background and low signal-to-noise ratio still make infrared small target detection a challenge. Therefore, this paper proposes an improved airborne infrared small target detection algorithm AIR-YOLOv7, and uses the example transfer learning method to analyze the characteristics of small infrared targets, expand the data set, and further improve the performance of the algorithm. The experimental results show that the AIR-YOLOv7 algorithm has a better performance in infrared small target detection in airborne complex scenes, with a mAP value of 97.09% and an FPS of 102.09. With only a small amount of expansion of the data set in this paper, the instance migration method increases the mAP value of the algorithm by 0.96 percentage points, which provides a theoretical basis for the subsequent hardware platform edge computing transplantation.
Key words : small target detection；transfer learning；airborne complex scene；infrared image

引言

隨著科技的不斷進(jìn)步，人工智能技術(shù)在各個(gè)領(lǐng)域得到了廣泛的應(yīng)用，機(jī)載紅外小目標(biāo)檢測(cè)技術(shù)在其中扮演著重要角色。在軍事、航空等領(lǐng)域，探測(cè)敵方目標(biāo)并進(jìn)行識(shí)別是一項(xiàng)非常重要的任務(wù)，其目的是在海量的信息中準(zhǔn)確地檢測(cè)到敵方目標(biāo)。這些目標(biāo)可能具有重要的軍事價(jià)值或者對(duì)飛行安全造成威脅。機(jī)載紅外小目標(biāo)檢測(cè)算法正是利用紅外成像技術(shù)，對(duì)目標(biāo)進(jìn)行高效準(zhǔn)確的探測(cè)與識(shí)別。在實(shí)際應(yīng)用中，這種技術(shù)不僅具有高度的可靠性和精度，還能夠有效地避免被探測(cè)目標(biāo)的反制。因此，機(jī)載紅外小目標(biāo)檢測(cè)技術(shù)受到越來(lái)越廣泛的關(guān)注和研究。

XIN J等人[1]針對(duì)紅外小目標(biāo)在復(fù)雜背景下檢測(cè)精度差的問(wèn)題，提出了一種基于多尺度峰度圖融合和光流方法相結(jié)合的魯棒準(zhǔn)確算法。該算法能夠很好地表征目標(biāo)的形狀、大小和運(yùn)動(dòng)信息，同時(shí)采用改進(jìn)的光流方法，進(jìn)一步抑制殘留雜波以提高小目標(biāo)的檢測(cè)效果。MAN Y等人[2]提出了一種基于塊匹配的紅外單幀小目標(biāo)檢測(cè)方法，該方法通過(guò)將輸入的紅外圖像分塊并構(gòu)建新的紅外模型，通過(guò)優(yōu)化求解低秩矩陣和稀疏矩陣來(lái)實(shí)現(xiàn)基于塊匹配模型的小目標(biāo)檢測(cè)，并最終重構(gòu)目標(biāo)和背景圖像，采用簡(jiǎn)單的分割方法進(jìn)行目標(biāo)圖像的分割，該方法在復(fù)雜背景下具有更好的背景抑制能力和檢測(cè)性能，但需要較高的計(jì)算資源。ZHANG G等人[3]提出一種新的高斯融合算法描述小目標(biāo)和局部鄰域的整體異質(zhì)性，該方法能夠有效抑制背景干擾并增強(qiáng)目標(biāo)，具有顯著的性能優(yōu)勢(shì)，但算法復(fù)雜度較高。FAN M等人[4]針對(duì)手工設(shè)計(jì)特征的傳統(tǒng)方法僅對(duì)特定背景有效，提出了一種基于區(qū)域建議的卷積神經(jīng)網(wǎng)絡(luò)紅外小目標(biāo)檢測(cè)方法，該方法根據(jù)局部強(qiáng)度特征增強(qiáng)小目標(biāo)的弱輻射特性，通過(guò)角點(diǎn)檢測(cè)提取目標(biāo)區(qū)域，利用卷積神經(jīng)網(wǎng)絡(luò)消除非目標(biāo)區(qū)域，有效抑制了復(fù)雜背景干擾，但需大量訓(xùn)練數(shù)據(jù)。ZHANG W[5]等人針對(duì)現(xiàn)有卷積神經(jīng)網(wǎng)絡(luò)提取小目標(biāo)特征時(shí)易在網(wǎng)絡(luò)深層階段丟失特征，提出了知識(shí)蒸餾和顯著性檢測(cè)的紅外小目標(biāo)檢測(cè)方法，該方法有效增強(qiáng)了對(duì)紅外小目標(biāo)低級(jí)特征的表征能力，然而該方法依賴于復(fù)雜模型來(lái)生成軟標(biāo)簽進(jìn)行知識(shí)蒸餾，在模型訓(xùn)練上需花費(fèi)大量時(shí)間。上述研究的傳統(tǒng)方法計(jì)算資源大，無(wú)法滿足機(jī)載場(chǎng)景下小目標(biāo)檢測(cè)的實(shí)時(shí)性要求。在深度學(xué)習(xí)領(lǐng)域，數(shù)據(jù)集的大小和多樣性對(duì)于模型的泛化能力具有至關(guān)重要的影響，而機(jī)載場(chǎng)景下的紅外小目標(biāo)數(shù)據(jù)相對(duì)較為缺乏，因此遷移學(xué)習(xí)成為一種有效的解決方案。遷移學(xué)習(xí)可以利用源域數(shù)據(jù)知識(shí)來(lái)輔助目標(biāo)域的學(xué)習(xí)，從而緩解目標(biāo)域數(shù)據(jù)不足的問(wèn)題，并提升模型性能，增強(qiáng)算法的魯棒性。因此，本文針對(duì)機(jī)載平臺(tái)下的紅外無(wú)人機(jī)小目標(biāo)，結(jié)合遷移學(xué)習(xí)的思想，提出一種基于實(shí)例遷移的機(jī)載紅外小目標(biāo)檢測(cè)算法。


本文詳細(xì)內(nèi)容請(qǐng)下載：

http://ihrv.cn/resource/share/2000007036


作者信息：

劉彤1，宋嘉樂(lè)2，李志和1，蔣曉旭1，高芳1，胡錦汐1

（1.平高集團(tuán)智慧能源技術(shù)研究院，河南 鄭州 450000；

2.北京航天無(wú)人機(jī)系統(tǒng)工程研究所，北京 100094）

2.jpg

此內(nèi)容為AET網(wǎng)站原創(chuàng)，未經(jīng)授權(quán)禁止轉(zhuǎn)載。