《表2 YOLO V3置信度对比分析》
由图7置信度对比测试可见,原始清晰图像人体置信度达到最高值,存在运动散焦模糊的红外图像无法识别人体目标,使用经典方法进行复原的红外图像由于复原效果较差,无法识别人体目标,而使用3种基于深度学习的方法进行复原的红外图像均可恢复对人体目标的识别。由表2分析可见,原始清晰图像人体目标所获置信度最高为0.97,复原图像中,本文方法所获置信度为0.95,最接近于原始图像中的目标置信度,本文方法的复原图像中对特定目标识别置信度高于DeblurGAN方法复原图像18%,高于SRN-DeblurNet方法复原图像6%,由此可见,本文方法复原运动散焦红外图像相对采用已有代表性方法复原,对存在运动散焦情况下的夜间目标自动检测改善程度最佳。
图表编号 | XD00151380200 严禁用于非法目的 |
---|---|
绘制时间 | 2020.07.01 |
作者 | 易诗、吴志娟、朱竞铭、李欣荣、袁学松 |
绘制单位 | 成都理工大学信息科学与技术学院、成都理工大学信息科学与技术学院、成都理工大学信息科学与技术学院、成都理工大学信息科学与技术学院、电子科技大学电子科学与工程学院 |
更多格式 | 高清、无水印(增值服务) |