如需要完整文档点击下方 "点击下载文档" 按钮

太赫兹成像中的隐蔽物体检测是公共安全和反恐的迫切需要。 由于太赫兹成像质量差,在太赫兹图像上的目标检测比在计算机视觉领域常用的公共目标检测数据集上要困难得多。 文中收集了一个多目标的主动太赫兹成像数据集。针对样本不平衡问题,对比了 RetinaNet 使用交叉熵和 Focal Loss 作为损失函数时的检测性能。 针对那些检测效果较差的目标,利用难例挖掘技术来增强训练模型。 由于传统的难例挖掘技术是在二阶段目标检测器基础上设计的,无法直接应用在一阶段检测器上,文章以 RetinaNet 为基础设计了一种以图像为单位的难例挖掘方案。 实验也验证了 YOLOv3、YOLOv4、FRCN-OHEM 和基础的 RetinaNet 在该数据集上的性能。 实验结果表明,Focal Loss 的使用提高了平均检测精度,难例挖掘技术的应用也提高了检测器对小目标等难例的检测率。

如需要完整文档点击下方 "点击下载文档" 按钮

《难例挖掘在太赫兹成像目标检测中的应用》

将 完整文档 下载到本地，方便收藏和查阅

文件号：061331

点击下载文档