基于关键点的快速红外目标检测方法 
下载： 1053次
Method for Fast Detection of Infrared Targets Based on Key Points
1 中国科学院上海技术物理研究所红外探测与成像技术重点实验室, 上海 200083
2 中国科学院大学电子电气与通信工程学院, 北京 100049
图 & 表
图 1. FKPD模型框架
Fig. 1. Architecture of FKPD model
下载图片 查看原文
图 2. 特征提取网络
Fig. 2. Feature extraction network
下载图片 查看原文
图 3. 特征融合网络
Fig. 3. Feature fusion network
下载图片 查看原文
图 4. 目标预测网络
Fig. 4. Target prediction network
下载图片 查看原文
图 5. 不同模型下红外目标检测效果对比。(a)标注图片;(b) CenterNet-Res18;(c) YOLOv3-Darknet53;(d) Tiny-YOLOv3;(e) FKPD-384
Fig. 5. Comparison of infrared target detection results under different models. (a) Labeled image; (b) CenterNet-Res18; (c) YOLOv3-Darknet53; (d) Tiny-YOLOv3; (e) FKPD-384
下载图片 查看原文
图 6. FKPD红外目标检测示例
Fig. 6. Examples for FKPD infrared target detection
下载图片 查看原文
图 7. PASCAL VOC数据集上的检测效果对比
Fig. 7. Comparison of detection effects on PASCAL VOC dataset
下载图片 查看原文
表 1FKPD模型的训练参数
Table1. Training parameters used for FKPD model
| Parameter | Infrared dataset | PASCAL VOC dataset |
|---|
| Training epoch | 150 | 150 | | Class number | 5 | 20 | | Batch size | 32 | 64 | | Default image size | 384 pixel×384 pixel | 384 pixel×384 pixel | | Initial learning rate | 1.25×10-3 | 1.25×10-3 |
|
查看原文
表 2红外数据集上的检测结果
Table2. Detection results on infrared dataset
| Model | mAP /% | AP /% |
|---|
| Bird | Fighter | Airliner | Helicopter | Trainer |
|---|
| CenterNet-Res18 | 88.04 | 76.73 | 88.95 | 94.91 | 90.77 | 88.84 | | YOLOv3-Darknet53 | 93.02 | 87.70 | 93.97 | 95.97 | 94.84 | 92.66 | | Tiny-YOLOv3 | 80.08 | 66.58 | 83.16 | 93.85 | 84.92 | 71.90 | | FKPD-384 | 88.98 | 79.40 | 90.84 | 95.01 | 90.27 | 89.39 |
|
查看原文
表 3模型的虚警率
Table3. False alarm rate of model
| Model | FAR /% |
|---|
| CenterNet-Res18 | 1.23 | | YOLOv3-Darknet53 | 1.12 | | Tiny-YOLOv3 | 8.96 | | FKPD-384 | 1.24 |
|
查看原文
表 4PASCAL VOC数据集上的检测结果
Table4. Detection results on PASCAL VOC dataset
| Model | mAP /% |
|---|
| CenterNet-Res18 | 68.24 | | YOLOv3-Darknet53 | 76.80 | | Tiny-YOLOv3 | 58.40 | | FKPD-384 | 61.61 |
|
查看原文
表 5FKPD的实时性分析
Table5. Real-time analysis of FKPD
| Model | Model size /MB | FLOPs /1010 | CPU inference time /ms |
|---|
| CenterNet-Res18 | 56.86 | 8.69 | 297.05 | | YOLOv3-Darknet53 | 246.18 | 27.93 | 844.29 | | Tiny-YOLOv3 | 34.72 | 2.34 | 129.08 | | FKPD-384 | 8.12 | 1.55 | 115.18 |
|
查看原文
表 6FKPD的消融实验
Table6. Ablation experiment of FKPD
| Method | mAP /% | Model size /MB | FLOPs /1010 | CPU inference time /ms |
|---|
| FKPD-384(baseline) | 88.98 | 8.12 | 1.55 | 115.18 | | FKPD-384 w/o FFN | 84.34 | 8.12 | 1.55 | 114.89 | | FKPD-384 w Dilation | 87.72 | 8.12 | 1.55 | 115.67 | | Compacted-FKPD-384 | 83.97 | 1.50 | 0.40 | 67.98 | | FKPD-512 | 90.15 | 8.12 | 2.76 | 174.29 |
|
查看原文
苗壮, 张湧, 陈瑞敏, 李伟华. 基于关键点的快速红外目标检测方法[J]. 光学学报, 2020, 40(23): 2312006. Zhuang Miao, Yong Zhang, Ruimin Chen, Weihua Li. Method for Fast Detection of Infrared Targets Based on Key Points[J]. Acta Optica Sinica, 2020, 40(23): 2312006.
PDF全文
