关键词：深度学习 目标检测 红外数据集 效果评估 

摘要：在目标检测领域,基于深度学习的SSD目标检测网络同时具有实时性好和准确性高两大优点。由于特种车辆红外图像难以获取,以小轿车和公交车红外图像为研究对象,构建了红外图像Pascal VOC数据集,训练了SSD网络,并利用训练好的网络检测了红外目标图像。结果表明,红外目标的特征信息越多,检测精度越高,但红外图像中信息残缺的车辆存在"漏检"的问题。针对该问题,通过添加"残缺窗口模块"优化数据集结构,有效解决了车辆"漏检"问题,同时目标整体的检测准确率也明显提升。将改进数据集后的红外目标检测结果作为评价指标,能够较准确评估复杂背景下特种车辆红外隐身伪装效果。

红外与激光工程杂志要求:

{1}按照GB/T7714-2005《文后参考文献著录规则》的有关规定，本刊参考文献采用顺序-编码制，引用的参考文献请在正文中用方括号和阿拉伯数字按顺序标在引用处。

{2}对稿件有删改加工权，作者如果不预先特别声明，则视同默认。

{3}来稿务求论点明确、论据充分、数据可靠、逻辑严密、层次分明、文字精炼。

{4}题目中除公知公用的缩略语外，尽量不用外文缩略语。

{5}书中的表或图，应遵循先见文字后见图表的原则。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社