一种基于人工智能的用于战场目标识别的方法技术

本发明专利技术公开了一种基于人工智能的用于战场目标识别的方法，具体包括如下步骤：步骤1：图像预处理优化；步骤2：学习率优化；设置一个下降率，在训练指定步长后，将原有的学习率进行缩小，以防止其震荡；步骤3：多分辨率学习识别；步骤4：非最大值抑制。其有益效果在于：对获取的光学图像数据进行识别处理，具体是利用深度神经网络，对空中无人机上获取的相关图像数据进行卷积神经网络训练，针对原始模型中存在的过拟合、冗余识别、识别精度欠缺三大问题，根据无人机侦察回传光学图像特点对算法模型进行升级，通过图像预处理优化、学习率优化以及迁移学习，智能生成一套可以快速识别战场多类目标的神经网络。

【技术实现步骤摘要】
一种基于人工智能的用于战场目标识别的方法
本专利技术属于人工智能、深度学习领域，具体涉及一种基于人工智能的目标识别的方法。
技术介绍
未来战争必将是智能化的军事角逐，为了提高战场决策能力，首先要解决的问题是在强复杂电磁环境下的智能目标识别。传统的机器学习和专家系统等非智能化、无“自学习”能力方法都难以应对目标的智能识别难题。目前已有利用深度学习算法实现对战场环境的感知，借助于人工智能技术来获取及时、准确的综合战场态势信息，辅助作战指挥员快速指挥决策。关于目标识别方面的研究大部分是基于雷达情报进行的识别，但在复杂电磁环境下，这种识别会严重受限。而基于光学传感器获取的图像受此干扰较小。目前基于人工智能的图像识别算法存在过拟合、冗余识别、识别精度欠缺等问题，无法满足战场目标识别的需求。
技术实现思路
本专利技术的目的提供一种基于人工智能的用于战场目标识别的方法，它利用改进的深度学习智能算法进行目标识别，能够提高侦察无人机在复杂环境下对战场目标的识别能力。本专利技术的技术方案如下：一种基于人工智能的用于战场目本文档来自技高网...

【技术保护点】
1.一种基于人工智能的用于战场目标识别的方法，其特征在于，具体包括如下步骤：/n步骤1：图像预处理优化；/n步骤2：学习率优化；/n设置一个下降率，在训练指定步长后，将原有的学习率进行缩小，以防止其震荡；/n步骤3：多分辨率学习识别；/n步骤4：非最大值抑制。/n

【技术特征摘要】
1.一种基于人工智能的用于战场目标识别的方法，其特征在于，具体包括如下步骤：
步骤1：图像预处理优化；
步骤2：学习率优化；
设置一个下降率，在训练指定步长后，将原有的学习率进行缩小，以防止其震荡；
步骤3：多分辨率学习识别；
步骤4：非最大值抑制。


2.如权利要求1所述的一种基于人工智能的用于战场目标识别的方法，其特征在于，所述的步骤1包括如下：
(1)生成目标框；
(2)图像变换优化；
(3)高斯模糊。


3.如权利要求2所述的一种基于人工智能的用于战场目标识别的方法，其特征在于：所述的步骤1中的步骤(1)包括，通过Transfer-Faster-RCNN模型生成目标框，在识别目标前首先生成一个目标框，对于目标框使用四维向量来表示(x,y,w,h)，其中，x为目标框的中心点横坐标、y为目标框的中心点纵坐标、w为目标框的宽，
A＝(Ax,Ay,Aw,Ah)(1)
G＝(Gx,Gy,Gw,Gh)(2)
其中，A为原始的目标框数据集，G为真实的目标框数据集；
使得输入原始的窗口经过映射到一个和真实框G更接近的回归窗口G′，G′表示平移变换：
G′x＝Ax+Aw·dx(A)(3)
G′y＝Ay+Ah·dy(A)(4)
其中，dx(A)、dy(A)表示平移量，G′x表示平移后的中心点横坐标，G′y表示平移后的中心点纵坐标。


4.如权利要求2所述的一种基于人工智能的用于战场目标识别的方法，其特征在于：所述的步骤1中的步骤(2)包括，
寻找一种图像的变换F使得
F(Ax,Ay,Aw,Ah)＝(G′x,G′y,G′w,G′h...

【专利技术属性】
技术研发人员：权文，宋亚飞，路艳丽，王坚，王亚男，
申请(专利权)人：中国人民解放军空军工程大学，
类型：发明
国别省市：陕西;61