战场环境因素对机器视觉目标检测的影响
2021-10-26吴晓强曾朝阳
机电产品开发与创新 2021年5期
吴晓强, 曾朝阳
(陆军工程大学 野战工程学院, 江苏 南京 210007)
0 引言
近年来,随着基于深度学习的神经网络技术的引入,机器视觉目标检测的效率和准确率得到大幅度提升,已经越过了应用的技术门槛, 正在广泛领域得到普及和应用。在这样的背景下,基于机器视觉的军事目标检测也日益受到研究者的重视。多年来,军事目标的自动检测技术一直是国防技术领域的研究重点, 但碍于准确性和效果没有达到满意的效果, 很长时间没有得到大范围广泛应用。现在,随着深度学习技术的引入,这些问题不复存在,因此, 基于机器视觉的目标检测技术在军事上的推广越来越受到重视。 Zheng 等[1]构建密集反卷积网络提取目标深层次的语义信息对伪装人员进行检测;Fang 等[2]构建强语义膨胀网络检测架构, 进一步提高伪装人员的检测效果;邓小桐等[3]通过改进RetinaNet 检测网络,对伪装人员进行检测。
不过,与普通的目标检测相比,军事目标探测有其自身的特殊性,比如战场环境的复杂多变,敌对双方的欺骗和攻击等,都使得军事目标探测面临更加复杂的情况。 而最根本的区别在于, 军事目标的探测方和所有方总是敌对的双方, 因此探测方所需要用来训练检测模型的数据不易获得。 而基于神经网络的机器视觉系统的能力从根本上依赖所训练的数据,当数据不完备时,检测系统的能力就会受到影响。 当然,目标的探测方可以为检测系统建设必要的数据集, 以反映假想的战场环境和敌方目标的特性。……
登录APP查看全文
