摘要：針對用傳統(tǒng)方法難以解決城市背景下紅外圖像多目標檢測的問題,采 用遷移學習技術把深度學習中可見光域的目標檢測框架遷移到紅外域中。利用 該方法建立的模型的小目標檢測性能非常好,在制作的測試集上平均精度 mAP(IoU=0.50)為0.858。還對訓練數(shù)據(jù)與模型檢測性能之間的關系進行了初 步研究。制作了大數(shù)據(jù)量和小數(shù)據(jù)量2個訓練集,對模型進行訓練,然后在相 同的測試集上進行測試。通過小數(shù)據(jù)量訓練的模型在制作的測試集上的平均精 度mAP(IoU=0.50)為0.615。實驗結(jié)果表明,數(shù)據(jù)的多樣性、數(shù)量、質(zhì)量等都 會影響模型的好壞。