摘要
本发明提出一种基于残差学习的红外弱小目标多特征识别方法,涉及深度卷积神经网络在计算机视觉方面的应用,属于图像识别技术领域。针对典型红外弱小目标识别问题,本发明以典型目标红外特征提取方法为基础,发展出典型红外目标多特征判定及融合模型,在不同特征间建立权重,保证典型红外目标及其背景表观建模的准确性。同时,基于多特征融合的红外目标识别机理可以更好地应对不同场景、环境下的复杂目标识别问题,加强红外目标识别效果,进一步提高识别准确率和鲁棒性,从而实现典型弱小目标的准确探测和智能识别。
技术关键词
特征识别方法
残差学习
局部二进制特征
拉普拉斯金字塔
梯度直方图
深度学习图像
特征金字塔
角点特征
超分辨算法
像素
金字塔模型
深度卷积网络结构
轮廓特征
残差网络
图像超分辨重构
典型
特征识别系统
深度卷积神经网络
系统为您推荐了相关专利信息
高维特征向量
多组图像数据
原始图像数据
区域生长算法
深度卷积网络
电能表
梯度方向直方图
颜色直方图
融合算法
梯度直方图
图像识别模型
内部缺陷检测方法
检测点
超声波检测探头
卷积神经网络模型
工业缺陷检测
跨模态
融合规则
蒸馏
智能检测技术