摘要:针对基于可见光图像的装甲目标检测算法易受地面复杂环境干扰的问题,提出一种基于可见光与红外图像融合的装甲目标检测算法,通过卷积神经网络自适应融合可见光和红外图像特征,提高对地面复杂环境下装甲目标的检测精度。针对装甲目标检测任务,通过实拍的方式构建一个在复杂地面环境下的可见光-红外装甲目标数据集(VTAV);...
将val验证集的图像放入 修改预测的权重文件(选择loss和val-loss都小的权重值即可),修改类文件位置。 更改输入文件名称,复制改成导入的文件名称。 运行predict.py程序,生成img_out图像。 检测结果如下图所示: 总结 对比我之前训练的yolov5来说,这个检测效果感觉没那么好,但是相对于纯视觉来说已经好多了,削弱了光线...
运动目标检测的红外与可见光图像融合方法
一种基于可见光与红外图像融合的目标检测方法,建立实验数据集,包括可见光图像数据集和红外图像数据集;使用YOLOv4算法作为基础网络对可见光图像和红外图像分别进行检测;通过D‑S证据理论决策级加权融合的方式对可见光图像和红外图像中同时准确检测到的目标的检测框位置进行融合,从而得到融合图像中对应目标的准确检测框位置...
目标检测算法VI-YOLOv5.实验结果表明:双模态融合目标检测算法性能优于单模态目标检测算法,在交并比阈值为0.5的情况下,可见光+红外融合网络的平均精度达0.976,相较于单可见光网络提高了2.5%,相较于单红外网络提高了8.9%,有效缓解了复杂场景下出现的错检和漏检问题,验证了可见光与红外卫星图像融合在舰船目标检测任务中...
1、本发明为克服上述现有技术由于缺乏对边缘细节信息的处理,以及存在动态模糊导致的检测精度受限的缺陷,提供一种基于深度学习的可见光与红外图像融合目标检测方法,能够充分保留可见光图像高分辨率及热红外图像夜间边界清晰的优势,实现高鲁棒性、高精度的多模态数据融合目标检测。
本发明属于计算机数字图像处理,具体涉及基于vgg16和目标检测的轻量化红外与可见光图像融合方法。 背景技术: 1、红外和可见光图像融合技术的核心目标在于生成高质量的综合图像,以运用于下游的目标检测、图像分割等任务。然而,目前采用深度学习的红外与可见光图像融合算法忽略了融合图像对下游任务的影响,并且使用简单的损失...
为提高道路交通安全领域中的道路目标检测的精度,本文借鉴图像融合技术中多尺度特征图像融合思想,融合和GPNet中Ghost瓶颈模块,实现了融合质量和较小算法复杂度的平衡,建立了一种红外和可见光融合及目标检测网络。网络分为选择性图像融合模块...
可见光/红外目标和背景的光学特征;2、电视、红外图像目标的特征提取和融合;3、电视图像跟踪原理与实现;4、红外点源和成像制导的原理与实现;5、复杂背景中目标的检测和识别。6、算法实例如基于肤色增强的人脸识别和跟踪技术;7、SIFT目标特征提取检测和跟踪;8、PCA目标特征提取和跟踪。
分别进行差模融合计算,得到红外图像增强特征和可见光图像增强特征;将所述红外图像增强特征和可见光图像增强特征插入到所述深度残差网络,构建多光谱目标检测网络;通过多光谱目标检测网络对采集的红外图像或可见光图像进行检测,得到目标检测结果.本申请通过有效融合红外与可见光图像特征,有效提升多光谱目标检测的准确率和鲁棒...