张栩培，贺占庄，马钟，杨一岱

(西安微电子技术研究所，陕西，西安 710068)

目标实例检测是指在预存图像上选择目标，在实时图像中检测出该目标及目标位置，因此该技术在景象匹配，视觉导航与定位等领域有着广泛的应用. 目前针对可见光图像的实例识别算法已有很多. 然而在无人机视觉导航等实际应用中，基于可见光图像的目标实例检测算法受光照影响较大，在夜晚、雾天等缺乏光照的场景下实时图像质量无法满足该类算法的使用条件，而红外图像则可以利用热成像原理克服光照不足的问题. 因此在可见光图像选取目标在红外图像进行实例目标识别的异源图像实例检测成为了应对这类应用场景的研究热点. 该技术是无人系统实现全天候视觉导航的关键，在军民领域均有着重要的应用潜力.

近些年来随着深度学习算法在计算机视觉领域的发展，通过神经网络提取图像的不同层级的特征具有比传统算法更好的目标识别效果，在异源图像实例目标识别领域也出现了像孪生神经网络[1]等方法，该算法证明了异源图像在高层级特征中存在着相似性，但现有的实验结果表明基于块匹配思想的该类方法在视角变换等场景变换情况下目标识别准确度以及目标定位精度上仍存在着比较大的实用差距. 而LIFT[2],Super-Point[3]基于深度学习的特征点匹配算法利用神经网络也能够提取出高层次的特征，在可见光的同源图像……