基于旋转不变Faster R CNN的低空装甲目标检测

对机动变换的装甲目标进行快速精确检测是低空无人机的一项重要性能要求, 但目前主流检测方法自身的旋转不变性不能有效应对这一挑战。结合深度卷积神经网络(CNN)提出基于旋转不变Faster R-CNN的低空装甲目标检测方法, 该方法在Faster R-CNN框架的基础上引入旋转不变层, 通过在模型的目标函数上增加正则化约束条件来加强目标CNN特征旋转前后的不变性。实验选取三种典型的装甲目标缩比模型, 在室内外模拟不同场景条件下的低空侦察环境, 利用偏振高光谱相机获取目标的侦察模拟图像作为样本数据用于模型验证。在多模型对比实验中, 改进模型的平均检测准确率提升了2.4%, 取得了最好的检测效果, 初步验证了改进方法的有效性。