《利用真实和合成红外海上图像进行自动目标识别的深度学习》英国国防学院

监督下的深度学习算法正在重新定义目标检测和分类的最先进技术。然而，训练这些算法需要大量的数据集，而收集这些数据集通常是昂贵和耗时的。在国防和安全领域，当数据具有敏感性质时，例如军用船只的红外图像，这可能变得不切实际。因此，算法的开发和训练往往是在合成环境中进行的，但这使人怀疑解决方案对现实世界数据的通用性。

在本文中，我们研究了在不使用真实世界的红外数据的情况下训练红外自动目标识别的深度学习算法。使用目标-导弹交战模拟软件和10个高保真计算机辅助设计模型，生成了一个长波红外波段的海上船只红外图像的大型合成数据集。探索了训练YOLOv3架构的多种方法，并随后使用真实世界红外数据的视频序列进行了评估。实验表明，用少量的半标记伪红外图像样本来补充训练数据，可以明显提高性能。尽管没有真实的红外训练数据，但在我们的真实世界测试数据上，平均精度和召回率分别达到了99%和93%的高分。为了进一步推动自动目标识别算法的发展和基准测试，本文还提供了我们的照片真实合成红外图像数据集。