地面红外目标数据联合增强方法.pdf
《地面红外目标数据联合增强方法.pdf》由会员分享,可在线阅读,更多相关《地面红外目标数据联合增强方法.pdf(8页珍藏版)》请在咨信网上搜索。
1、针对地面非合作特种车辆目标红外数据获取难度大、成本高,深度学习网络小样本数据条件下易于出现过拟合、网络泛化能力差等问题,本文以地面车辆红外数据为对象,提出了一种基于几何 特征空间变换的数据增强方法。首先,通过高清红外设备构建了原始地面车辆红外数据集;在此基础上,利用金字塔生成对抗网络()的空间特征重构机制,联合几何空间变换,对原始车辆红外数据进行了增广,并建立了地面目标红外数据集 ;最后,利用几种不同深度学习目标检测模型对增强后的红外数据集进行测试,验证了几何 特征空间联合变换方法数据增强的有效性,为地面非合作特种车辆红外数据增强提供了新方法。关键词:地面目标;红外数据集;数据增强;几何 特征
2、空间变换中图分类号:;文献标识码:,(,):,:;作者简介:赵晓枫(),男,博士,副教授,硕导,主要从事兵器发射理论与技术方面的研究。:通讯作者:夏玉婷(),女,硕士研究生,主要从事计算机视觉方面的研究。:收稿日期:;修订日期:引言近年来,随着深度学习技术的不断发展,基于深度学习的红外目标检测技术 由于能够有效减少人的参与度,实现智能化检测,因而在军事领域中得到了广泛关注。然而,在以数据为驱动的深度学习领域,数据样本规模和类型分布决定了深度学习模型的检测性能。当目标数据样本充足且分布均匀时,是较为理想的情况,可以让深度学习网络模型的训练过程更加平稳,使得训练好的模型具有更好的检测性能。但是,对
3、地面背景条件下的非合作特种车辆进行红外目标检测时,由于非合作特种车辆红外数据获取难度大、成本高,往往缺少充足的红外数据样本。而在小样本数据条件下,深度学习网络易于出现过拟合、网络泛化能力差等问题,严重影响目标检测精度。为减少样本数量对神经网络的影响,提高网络泛化性能,研究人员提出了诸如正则化 、批量规范化 、迁移学习 和预训练 等方法,增强网络从原始数据中提取特征信息的能力。红外图像通过目标与背景的辐射强度差突出目标,存在噪声大、对比度低等问题,与可见光图像相比,缺少了色彩、轮廓等信息,难以通过目标本身的多种特性进行检测 ,在地面复杂背景下,模型更容易被背景干扰,所以并不是所有的数据增强方法都
4、适用于红外目标的数据增强。例如传统的色彩变幻 的数据增强方法,就不适用红外图像的增广。目前常用红外图像数据增广的方法有两类:一种是基于几何空间变换法,通过对图像进行旋转、裁剪、镜像、随机遮挡 等方法实现对原始图像数据的增强;另一种是基于生成对抗网络的数据增强 ,通过博弈的方式生成新的特征图。研究人员提出诸如提出基于空间联合的方法,对红外舰船目标进行增广 ,从而获得足够的数据来驱动神经网络对模型进行训练。基于几何空间变换的传统数据增强方法,通过对目标位置、角度等几何空间的变换实现对图像数据的拓展,操作简单、方便,得到的数据具有有效性和真实性。在一定范围内,可以改善小目标低检测率问题 ,提高深度学
5、习模型的检测精度。由于应用范围相对有限,数据增广后,数据样本分布不均匀的问题却没得到改善,对目标检测算法的适用性和泛化性 没有很大的提高。基于生成对抗网络的数据增强方法,主要通过 网络来实现,网络可以对原始网络的特性进行学习,并模仿出类似的特性 ,以此达到数据增强的目的。基于生成对抗网络的增强方法可以改善样本分布不均匀的问题,提高数据集的适用性与泛化性。但通过单一传统的 网络对数据进行增广时图像质量不可控,训练成本也比基于几何空间变换的数据增强方法高。为解决地面复杂环境下非合作特种车辆目标红外数据获取难度大、数据样本不足的问题,本文提出了一种基于几何 特征空间变换的地面目标红外数据增强方法。通
6、过红外高清相机获取地面车辆红外数据,建立一个多角度,多背景的地面车辆红外数据集,在此基础上,利用几何 特征空间联合变换的方法对获取的原始红外数据进行增广,构建了数据充足、特征分布均匀的地面车辆红外目标数据集,并设计了目标检测精度实验和多模型测试对比实验,验证了本文数据增强方法的有效性,证明方法可以应用到非合作特种车辆目标红外数据增强中。原始红外数据集 建立数据集本文通过使用像素分辨率为 的 中波红外热成像仪,获取不同时段和角度的地面车辆红外图像,获得地面车辆的原始红外图像 张,如图 所示。其中包含车辆在不同背景、不同角度、不同光照条件下的红外图像,以及不同程度遮挡下的车辆红外图像。图 原始红外
7、图像 数据处理原始数据收集后,使用软件精灵标注助手()对原始红外图像进行标注,生成包含车辆类别和位置信息的 文件,并将处理好的图像制作成 数据集,数据集结构如图 所示。数据增强基于深度学习的数据增强技术主要从数据扩充的角度对模型进行性能上的提升,而不是改变深度模型的网络结构 。当数据集中的目标大小、特征等均匀分布时,是较为理想的情况,能使模型的训练激 光 与 红 外 第 卷过程更加平稳,训练好的模型会具有较好的泛化性和检测精度。但实际采样得到的数据特征往往具有人为的因素,无法覆盖所有的场景,从而导致网络训练结果不理想。图 数据集结构图 通常,在制备原始红外图像数据集时,往往会受到数据采集场景、
8、采集时间、采集温度的影响,出现样本集中呈现正态分布,甚至长尾分布的情况。而且在模型训练的时候,占比较大的容易出现过拟合,而占比较少的分布出现欠拟合甚至被其他数据淹没无法有效训练的情况,严重影响了所训练模型的泛化性能。所以为改善原始数据难以获取、数量少,且样本分布不均匀的情况,从基于几何空间变换的方法和基于生成对抗网络的方法对有限的数据进行增强,从而获得足够的数据来驱动神经网络对模型进行训练,克服训练过程中由于数据长尾分布导致训练的模型的过拟合问题,提高神经网络的泛化性。几何 空间联合变换的数据增强方法基于几何变换的数据增强方法,方法容易实现,得到的数据集在样本数量和质量上也有一定程度提高,丰富
9、样本角度信息,能够减少网络内部协方差位移带来的尺度敏感,使模型训练更加稳定。但是增广后的数据样本并没有改变其目标的空间特征,对样本分布及其多样性的增强效果较弱,不能有效改善数据集的长尾分布情况,训练时容易出现过拟合。基于生成对抗网络的数据增强方法,生成的图像可以达到以假乱真的效果,增广后增加了数据的多样性,样本分布更均匀。但是完全依靠网络生成,图像质量不可控,模型训练成本也很大。结合以上两种方法的优缺点,提出基于几何 空间联合变换的红外数据增强方法。对复杂背景下的地面车辆原始数据集分别进行数据增广,筛选后混合得到最终的数据集。既增加了数据的真实性和有效性,也增加了样本的多样性。图 数据增强方法
10、流程图 基于几何变换的数据增强图像的几何变换又称为图像的空间变换,它是将一幅图像中的坐标位置映射到另一幅图像中的新坐标位置,不改变图像的像素值,主要有图像的旋转、裁剪、镜像、随机遮挡等方法实现对原始图像数据的增强。这种图像增强方法能够保持数据集的有效性和真实性,可以增加了原有数据集中图片的数量,并制造遮挡、拼接等场景的,增加数据集的数量。图 基于几何变换的数据增强 经过几何变换增强后的数据集,样本数量达到了 张,通过筛选得到了具有 张图像的基于几何变换增强的数据集 。通过对原始数据集基于空间几何变换的方法进行数据集增强,得到的增强后的图像如图 所示。图 基于空间几何变换后的数据增强结果 激 光
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 地面 红外 目标 数据 联合 增强 方法
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。