文献类型：期刊文章

作　　者：刘志赢[1] 谢春思[2] 李进军[2] 桑雨[1]

机构地区：[1]海军大连舰艇学院学员五大队,辽宁 大连 [2]海军大连舰艇学院导弹与舰炮系,辽宁 大连

出　　处：《图像与信号处理》

年　　份：2020

卷　　号：9

期　　号：2

起止页码：102-110

语　　种：中文

收录情况：IC、RCCSE、外刊、普通刊

摘　　要：人工智能技术和计算机视觉技术的发展,为舰载导弹准确攻击各类海上、陆上目标识别提供了新的技术支持,基于深度学习的自动目标识别技术对提高导弹寻的制导精度提供了新的技术保证。介绍了多种基于卷积神经网络的目标识别算法,应用YOLOv3和Cascade R-CNN算法进行了导弹目标识别检测实验。实验结果表明,二种算法各有千秋,YOLOv3算法的准确率和召回率低于Cascade R-CNN,但其检测效率高于Cascade R-CNN,因此在目标识别过程中,采用深度学习算法是导弹提高攻击目标准确性的一种有效途径。

关 键 词：导弹末制导  自动目标识别 CASCADE R-CNN  YOLOv3  

分 类 号：TJ7]