原文信息
中文摘要
伪装人员通过有效利用掩护物和周围环境来主动隐藏自己。尽管光谱、偏振和红外技术等成像系统的应用提高了光学检测能力，但目前仍缺乏在复杂场景中实时、准确检测小规模高效伪装人员的有效方法。为此，本文提出了一种基于快照多光谱图像的伪装检测模型，称为多光谱YOLO（MS-YOLO）。该模型利用SPD-Conv和SimAM模块有效表示目标，并通过利用空间光谱目标信息抑制背景干扰。此外，本研究构建了首个真实拍摄的多光谱伪装人员数据集（MSCPD），该数据集涵盖了多样化的场景、目标规模和姿态。为了最小化信息冗余，MS-YOLO选择了具有强特征表示和最小跨波段相关性的12个最佳波段子集作为输入。多光谱伪装人员数据集实验表明，MS-YOLO在各种典型的沙漠和森林场景中实现了94.31%的平均精度和65帧每秒的实时检测，确认了我们的方法在检测伪装人员方面的有效性和高效性。我们的方法为提高无人机在战场上检测敌方力量和救援人员的感知能力提供了有价值的支持。
扫描二维码
查看下载全文
原文链接：
https://doi.org/10.1016/j.dt.2023.12.011
主要结论
本研究中，我们引入了MS-YOLO，这是一种专门设计的深度学习模型，采用快照多光谱成像在复杂遥感场景中检测伪装人员。MS-YOLO通过SPD-Conv模块解决了低空间分辨率和小目标尺寸等问题。此外，还配备了SimAM模块以抑制背景信息，并消除类别和个体之间的噪声干扰。MS-YOLO在精确检测伪装人员方面表现出色，并可应用于多种复杂环境。此外，我们开发了一种OCF-CTBS算法，能够精确选择具有强特征表示和低跨波段相关性的最佳波段子集，以最小化多光谱成像中的信息丢失。基于该算法，MS-YOLO在多光谱伪装人员数据集上实现了94.31%的平均精度和65帧每秒的检测速度，能够在复杂遥感场景中准确和实时地检测伪装人员。
论文选图
编辑：陈微，曹文丽
审核：田丽
Defence Technology
往期目录
期刊
简介
《Defence Technology》是由中国兵工学会主办的科技类综合性学术期刊，目前已被SCI、EI、Scopus、中国科技核心期刊数据库、中国引文数据库核心版和瑞典开放获取指南等多家数据库收录，期刊主要发表基础理论、应用科学和工程技术领域高水平原创性学术论文，包括理论研究、数值模拟和实验研究类文章。
添加防务技术DT_小编微信
欢迎添加“防务技术DT_小编”为好友！
