基于半监督学习的目标识别深度学习网络技术研究.pdfVIP

摘要

空对地观测目标识别技术是一种军民两用技术。在军事应用领域是机载弹载系统实现

目标探测与识别的关键技术之一。在民用技术领域可以应用于区域防务、农业植物状态观

测等方面，是低空经济需要研发的创新技术之一。在空对地观测目标识别技术领域，当深

度学习网络开发时数据库种类与数量有限条件下网络训练后存在性能有待进一步提高等

问题。本研究基于航空科学基金项目和校所合作的技术攻关项目，研究将系统应用过程

中采集到的数据作为提升网络的训练数据，不断地提升网络性能，实现网络性能的迭代升

级并开展相关技术研究，旨在探索目标识别深度学习网络性能迭代升级技术。主要研究内

容如下:

(1)空对地观测可见光成像仿真技术研究。考虑到大地背景下的空对地目标识别技术

以及在复杂环境中实际数据采集存在的挑战，对空对地观测背景下的目标识别光电成像过

程模型进行了深入研究。基于成像模型，应用目标建模软件与大气光束传输模拟仿真软件，

完成不同背景在不同大气环境下目标成像过程的模拟仿真，构建在不同参数条件下的数据

库，为学习网络技术训练提供训练数据支撑。

(2)基于伪标签的半监督学习网络目标识别技术研究。选择YOLOv5s网络作为研究对

象，利用基于伪标签的半监督方法构建了教师与学生的双重检测器训练模型框架。为了优

化伪标签生成的品质，采用SIFT算子，并构建了一个用于模板库比对的伪标签评价算法。

在主干网络引入ECA注意力机制，构建形成YOLOv5s-E网络，提升网络目标识别性能。

通过多次网络训练与测试，测试网络性能迭代升级效果，探索将系统应用过程实测数据作

为提升网络训练性能训练数据的可行技术方案。

(3)半监督学习的目标识别网络嵌入式技术研究。为了研究网络在嵌入式硬件平台资

源有限情况下的可移植性，选择了NVIDIAJetsonTX2和华为Atlas200DK嵌入式平台作

为研究对象，从配置深度学习开发环境出发，研究了网络在两种嵌入式平台上的布署方案，

并进行性能测试与对比研究。

通过实验测试，验证了应用成像过程仿真构建的数据与实测数据相比相似程度高，应

用两种数据的组合可以完成目标识别深度学习网络的训练。应用半监督学习目标识别网络

训练技术和未标注的实测数据可以实现网络性能的升级迭代。通过研究嵌入式优化部署方

案，实现了深度学习网络在算力有限的嵌入式硬件平台上的移植。

关键词：空对地目标识别；半监督学习；伪标签评估；模拟光电成像技术

Abstract

Air-to-groundobservationtargetrecognitiontechnologyisadual-usetechnologywith

bothmilitaryandcivilianapplications.Inthemilitarydomain,itservesasakeytechnologyfor

airborneandmissile-bornesystemstoachievetargetdetectionandidentification.Incivilian

applications,itcanbeutilizedforregionaldefense,agriculturalplantstatusmonitoring,and

otherfields,andthusitisaninnovativetechnologycriticaltothedevelopmentofthe

low-altitudeeconomy.Inthefieldofair-to-groundobservationtargetrecognitiontechnology,

thereareproblemssuchaslimiteddatabasetypesandquantities,andtheperformanceofthe

networktrainingneedstobefurtherimproved.Researchofthepaperisbasedonthetechnology

r