《表2 不同网络的性能:融合全卷积神经网络和视觉显著性的红外小目标检测》
将本文网络与文献中的全卷积神经网络进行了对比,结果如表2所示.本文网络M1在计算量显著低于M2和M3的情况下实现了更高的检测率和更低的虚警率,表明其结构的高效.图7展示了表2中不同网络对复杂地物背景下红外小目标图像的分割结果.从图中可以看出,网络M3的分割结果最差,树木和房屋区域留下了大量虚警点;网络M2的分割结果明显更好,但仍有部分较强的虚警点残留;本文网络M1的分割结果最好,虚警的数量和强度都进一步降低.
图表编号 | XD00157609100 严禁用于非法目的 |
---|---|
绘制时间 | 2020.07.01 |
作者 | 刘俊明、孟卫华 |
绘制单位 | 中国空空导弹研究院、中国空空导弹研究院、航空制导武器航空科技重点实验室 |
更多格式 | 高清、无水印(增值服务) |