启智社区，确实给力

当前位置：首页 > 学习 > 实训 >

目标智能检测识别

目标智能检测识别

  • 来源：陆军工程大学
  • 章节：10 单元：33

  • 苗壮

  • 王家宝

  • 李阳

  • 张睿

  • 李航

  • 刘娟
进入实训课程

课程简介：

自动目标识别技术一直是军事应用领域中急需解决的重点和难点。在实际作战中，通过部署在不同武器装备平台上的光电设备，可以获得不同类型、不同时机、不同分辨率的海量图像、视频数据，如何在这些采集到的图像、视频大数据中实现快速、精准的军事目标识别，提高作战系统的军事目标识别能力，具有十分重要的意义。得益于大数据、云计算和人工智能技术的发展，尤其是以深度学习算法为基础的智能目标识别技术的进步，利用机器智能的对军事目标自动识别分析成为了可能。
本课程作为军事应用方向的基础课程，介绍深度学习的基础知识，包括计算机视觉概述、图像标注和特征分类基础操作，再介绍深度学习相关算法，神经网络、卷积神经网络、模型构建等，最后对军用目标检测基础、YOLO系列算法、军用目标实战展开讲解，形成一个循序递进的过程，让学员对军用目标检测识别有一个大概的认知。

课程章节：

计算机视觉概述

本章节我们学习计算机视觉相关的基础知识。

图像标注

图像标注是一个将标签添加到图像上的过程。其目标范围既可以是在整个图像上仅使用一个标签，也可以是在某个图像内的各组像素中配上多个标签。本章节我们一起来学习以下图像标注的一些基本知识。

图像标注实战——labelme

本章节将介绍对图片数据处理的工具labelme的安装、如何使用图像标记工具labelme、对于三种常用数据集的操作。

特征和分类器

本章节将介绍特征和分类器的基础知识、传统特征描述符、机器学习分类器。

神经网络基础

本章节将介绍神经网络的基础知识，其中包括多层感知机、循环神经网络、神经网络与生物视觉的关联。

卷积神经网络

本章节将介绍卷积神经网络的相关知识，其中包括卷积神经网络中的神经网络层、损失函数、权重初始值、正则化、以及基于梯度的卷积神经网络学习。

模型构建

使用pytorch构建卷积神经网络模型（包括AlexNet，VGG，Inception，ResNet，DenseNet），本章节将简单介绍模型的构建，一起来学习吧！

目标检测基础

本章节将介绍关于目标检测的基础知识，其中包括边界框、锚框、交并比、非极大值抑制。

YOLO 系列算法

本章节将介绍YOLO系列的算法知识，其中包括YOLO算法的发展、思想、损失函数、网络构架、以及算法之间的比较。

军用目标检测识别实战

本章节将对军用目标检测识别的应用进行相关介绍，分别使用AlexNet、Vgg、GoogLeNet、ResNet、YOLO V3对军用目标进行检测和识别。