一种基于深度学习的目标特性实时预测与动态修正方法

本发明公开一种基于深度学习的目标特性实时预测与动态修正方法，属于目标识别技术领域。主要包括：建立具有CNN‑RNN结构的神经网络模型；对目标的雷达反射截面和红外辐射特性数据进行清洗，处理数据中的噪声、缺失值和异常值，确保数据质量。制作数据集用于Darknet53卷积神经网络模型训练，通过特征提取层，得到浅层特征信息；将网络最后一层输入与Soft‑SPP模块进行特征融合；融合后的信息再次经过卷积层提取特征；对网络输出的特征图使用预处理获得的锚框得到的特征信息；依次输入到LSTM循环神经网络中，序列化其特征信息，训练LSTM模型以实现对目标雷达反射截面和红外辐射特性的实时预测和分析。