基于深度学习的红外与可见光决策级融合检测（英文）

作     者：唐聪 凌永顺(指导) 杨华 杨星 路远 Tang Cong;Ling Yongshun;Yang Hua;Yang Xing;Lu Yuan

作者机构：国防科技大学电子对抗学院安徽合肥230037 脉冲功率激光技术国家重点实验室安徽合肥230037 红外与低温等离子体安徽省重点实验室安徽合肥230037 

基　　金：国家自然科学基金(61405248,61503394) 安徽省自然科学基金(1708085MF137) 

出 版 物：《红外与激光工程》 (Infrared and Laser Engineering)

年 卷 期：2019年第48卷第6期

页      码：446-460页

摘      要：提出了一种基于深度学习的红外与可见光决策级融合检测方法。首先,提出了一种介于深度学习模型之间的参数传递模型,进而从基于深度学习的可见光物体检测模型上抽取了用于红外物体检测的预训练模型,并在课题组实地采集的红外数据集上进行fine-tuning,从而得到基于深度学习的红外物体检测模型。在此基础上,提出了一种基于深度学习的红外与可见光决策级融合检测模型,并对模型设计、图像配准、决策级融合过程进行了详细地阐述。最后,进行了白天和傍晚条件下基于深度学习的单波段检测实验和双波段融合检测实验。定性分析上,由于波段之间的信息互补性,相比于单波段物体检测,双波段融合物体检测在检测结果上具有更高的置信度和更精确的物体框;定量分析上,白天时,双波段融合检测的mAP为86.0%,相比于红外检测和可见光检测分别提高了9.9%和5.3%;傍晚时,双波段融合检测的mAP为89.4%,相比于红外检测和可见光检测分别提高了3.1%和14.4%。实验结果表明:基于深度学习的双波段融合检测方法相比于单波段检测方法具有更好的检测性能和更强的鲁棒性,同时也验证了所提出方法的有效性。

主 题 词：物体检测 决策级融合 双波段 深度学习 

学科分类：13[艺术学] 0808[工学-自动化类] 0809[工学-计算机类] 08[工学] 1305[艺术学-设计学类] 081104[081104] 0804[工学-材料学] 0802[工学-机械学] 0825[工学-环境科学与工程类] 0704[理学-天文学类] 081101[081101] 0811[工学-水利类] 0702[理学-物理学类] 

核心收录：

D　O　I：10.3788/IRLA201948.0626001

馆 藏 号：203692085...