基于轻量型卷积神经网络的海面红外显著性目标检测方法.pptxVIP

基于轻量型卷积神经网络的海面红外显著性目标检测方法.pptx

content

研究背景与问题提出

技术路线与核心思想

轻量化模块创新设计

模型架构与网络设计

实验设计与性能评估

应用前景与系统集成

总结与展望

研究背景与问题提出

红外图像在海面监测中具有独特优势，但缺乏颜色与纹理细节导致显著性目标检测难度增加

热辐射优势

红外图像通过捕捉物体热辐射，在夜间或恶劣天气下仍能清晰成像，适用于海面连续监测。其对舰船引擎、排气等高温区域敏感，利于发现活动目标。

缺乏纹理细节

红外图像缺少颜色与精细纹理信息，导致目标边缘模糊、结构不明显。这增加了显著性目标与背景海浪、云层的区分难度。

低对比度挑战

海面背景常呈现均匀温分布，舰船等目标热特征微弱，形成低对比度场景。传统方法易将噪声误判为显著区域，影响检测稳定性。

显著性检测难

由于缺乏多模态线索，模型需高度依赖热分布模式识别目标。这对网络的上下文理解与特征抽象能力提出了更高要求。

传统卷积神经网络参数量大、计算复杂，难以满足边缘设备部署对实时性与能效的需求

参数冗余

传统卷积神经网络在海面红外检测中存在大量冗余参数，导致模型体积庞大。此类结构难以部署于机载或舰载等资源受限的边缘设备，制约实际应用。

计算瓶颈

标准卷积操作计算密集，尤其在高分辨率红外图像处理时延迟显著。复杂结构难以满足海上目标实时监测对响应速度的严苛要求。

能效矛盾

深度模型推理功耗高

更多 >