基于FasterR-CNN的破片群图像目标检测研究
【摘要】 在研究战斗部战斗力与评价目标毁伤效能时，战斗部爆炸破片运动参数测试属于至为关键内容。破片的高速、小尺寸、多目标、发散性等特征和强火光烟尘环境使得破片群目标的检测和处理更有挑战性。经深入研究与探讨，提出了基于快速卷积神经网络（FasterR-CNN）的复杂背景下破片群检测法。破片图像通过FastR-CNN的多层卷积和池化后得到特征图，由RPN根据特征图生成破片候选区域，再对破片候选区域进行池化，通过全连接层来预测破片边框位置，依靠区域生成网络（RPN）与FastR-CNN共同训练所得网络完成破片群目标检测。经过对复杂背景下不同破片数量的真实高速图像进行实验，证明该方法可从中自动提取破片图像深层特征，破片群目标检测的准确率达到96%，平均识别率为93.4%。
