Resumen

Este trabajo propone la detección de extremo a extremo de una red profunda para la detección de objetivos pequeños en el infrarrojo lejano. El problema de la detección de objetivos pequeños ha sido objeto de investigación durante décadas y se ha aplicado principalmente en el campo de la vigilancia. Los métodos tradicionales se centran en el diseño de filtros para cada entorno, y son necesarios varios pasos para obtener el resultado final de la detección. La mayoría de ellos funcionan bien en un entorno determinado, pero son vulnerables al clutter severo o a los cambios ambientales. Este trabajo propone un novedoso método de detección de objetivos pequeños en infrarrojo lejano basado en aprendizaje profundo y un método de fusión de datos heterogéneos para resolver la falta de información semántica debida al pequeño tamaño del objetivo. Los datos heterogéneos consisten en datos de temperatura radiométrica (14 bits) y datos de escala de grises (8 bits), que incluyen el significado físico del objetivo, y compara los efectos del método de normalización para fusionar datos heterogéneos. Se realizaron experimentos utilizando un conjunto de datos de objetivos pequeños infrarrojos construidos directamente sobre los fondos de las nubes. Los resultados experimentales mostraron que existe una diferencia significativa en el rendimiento según los distintos métodos de fusión y métodos de normalización, y el detector propuesto mostró aproximadamente un 20% de mejora en la precisión media (AP) en comparación con el detector de referencia de tasa constante de falsas alarmas (CFAR).

• Materias:Biotecnología Sensores Sistema de sensores Tecnología de sensores
• Subjects:Biotechnology sensors Sensor system Sensor technology
• Palabras claves:tasa de falsas alarmas constante de referencia, método de fusión de datos heterogéneos, conjunto de datos de objetivos pequeños infrarrojos, detección de objetivos pequeños infrarrojos, método de detección de objetivos pequeños infrarrojos, resultado final de detección, datos en escala de grises, aprendizaje profundo novedoso, datos radiométricos de temperatura, tamaño de objetivos pequeños.
• Keywords:baseline constant false alarm rate, heterogeneous data fusion method, infrared small target dataset, infrared small target detection, infrared small target detection method, final detection result, gray scale data, novel deep learning, radiometric temperature data, small target size