基于深度学习的红外目标检测综述

来源：计算机技术与发展杂志2023年第11期北京时间：

作者：张睿;李允臣;王家宝*;李阳;苗壮

单位：陆军工程大学 指挥控制工程学院,江苏 南京 210007 Author(s): ZHANG Rui;LI Yun-chen;WANG Jia-bao* ;LI Yang;MIAO Zhuang College of Command and Control Engineering,Army Engineering University of PLA,Nanjing 210007,China 关键词: 深度学习;红外目标检测;迁移学习;注意力机制;特征融合;图像融合 Keywords: deep learning;infrared object detection;transfer learning;attention mechanism;feature fusion;image fusion 分类号: TP391. 4 DOI: 10. 3969 / j. issn. 1673-629X. 2023. 11. 001 摘要: 红外图像由于分辨率低、纹理细节不足,且缺乏颜色信息,导致目标成像模糊,检测难度大。 基于深度学习的红外目标检测技术,通过运用神经网络自动提取复杂的目标特征,大大提高了检测精度和检测效率,在自动驾驶、安防监控、军事侦察等领域得到了非常广泛的应用。 该文对红外目标检测面临的困难和挑战进行了详细分析,并从数据增强、迁移学习、视觉注意力机制、多尺度特征融合、多模态图像融合和轻量化改进等六个方面,对基于深度学习的红外目标检测研究改进方向进行了系统阐述。 针对红外目标检测数据集缺乏的问题,梳理汇总了 11 个红外目标检测数据集。 同时,结合当前发展现状,对红外目标检测的未来发展方向进行了展望,可为其他研究者提供参考借鉴。

摘要：红外图像由于分辨率低、纹理细节不足,且缺乏颜色信息,导致目标成像模糊,检测难度大。 基于深度学习的红外目标检测技术,通过运用神经网络自动提取复杂的目标特征,大大提高了检测精度和检测效率,在自动驾驶、安防监控、军事侦察等领域得到了非常广泛的应用。 该文对红外目标检测面临的困难和挑战进行了详细分析,并从数据增强、迁移学习、视觉注意力机制、多尺度特征融合、多模态图像融合和轻量化改进等六个方面,对基于深度学习的红外目标检测研究改进方向进行了系统阐述。 针对红外目标检测数据集缺乏的问题,梳理汇总了 11 个红外目标检测数据集。 同时,结合当前发展现状,对红外目标检测的未来发展方向进行了展望,可为其他研究者提供参考借鉴。

关键词：深度学习;红外目标检测;迁移学习;注意力机制;特征融合;图像融合