王曙光，吕攀飞

(中国人民解放军陆军炮兵防空兵学院兵器工程系,安徽 合肥 230031)

0 引 言

基于图像的目标识别技术是指利用计算机视觉技术将目标从图像中自动检测出来，并对目标的类别、大小和位置进行判断。目前该技术已经在精确制导、目标自动跟踪、视频监控等领域得到了广泛应用。由于坦克装甲车辆仍是目前陆地的主要作战力量，因此对敌方装甲目标进行精确打击和监控对于战争结果具有不可忽视的影响。

近年来随着卷积神经网络在提取图像高层次特征方面的不断进步，各类基于卷积神经网络的目标识别算法取得了突破性进展[1]。Girshick[2]和Ren等[3]分别提出的Fast R-CNN和Faster R-CNN大幅提高了目标识别的准确率，但由于识别过程中计算量较大，帧率只能达到5帧/秒，因此不能实现对目标的实时识别。随后Redmon等[4]提出的YOLO网络虽然将识别速度提高到45帧/秒，但却牺牲了部分准确率，容易出现对目标的遗漏和误识别。Liu等[5]在YOLO的基础上提出了单发射击检测器(SSD网络)，在识别速度上，SSD比之前的YOLO要快很多，在检测精度上，也和Faster R-CNN相当。为了提高检测准确率，SSD网络在不同尺度的特征图上进行预测，此外，还得到具有不同纵横比的结果，即使图像的分辨率比较低，也能保证检测的精度。此后Redmon等通过使用批量规范化、维度聚类、多尺度训练等多种改进方法在2016年提出的YOLO v2网络，在大幅提高识别速度的同时也提高了识别精度，目前，YOLO v2在VOC2007数据集上的检测速度已经达到67帧/秒，同时平均准确率mAP也达到了76.8%，在目标识别领域取得了最佳识别效果。……