基于深度学习的运动模糊低慢小目标检测

针对运动模糊条件下的低慢小目标检测难题,提出了一种基于深度学习的低慢小目标检测方法。首先构建了包含5类典型目标的标准训练图像集;然后对原始数据集加入随机方向不同像素的运动模糊像素扩充数据集;最后采用YOLOV3算法形成可适应运动模糊条件下的低慢小目标检测系统。实验结果表明,采用混合训练策略在保持对无运动模糊的图像较高检测识别率的同时,大幅提高了运动模糊图像的目标检测识别率。在运动模糊图像像素为25时,原系统对测试集的mAP值为13.63%。应用混合训练策略对测试集检测时mAP值提升至64.61%。