yolo系列外文翻译_Cascade R-CNN和YOLOv3在导弹目标识别中的应用

1. 引言

随着武器装备的发展日趋智能化，自动目标识别(Automatic target recognition, ATR)成为导弹末制导研究的重要课题 [1]。自20世纪60年代提出ATR概念以来，ATR技术得到迅猛发展，相关学者对不同制导模式提出了算法理论，并伴随技术发展不断提出新算法 [2]。当前，基于可见光、激光和红外图像识别等技术在导弹目标识别中已广泛应用，但识别精度有待进一步提高，迫切需要研究新的方法和技术，提高对打击目标识别的准确性和实时性。

2006年，深度学习被Geoffrey Hinton提出并迅速应用于计算机视觉领域 [3]，其本质是运用分层特征表示方法，对大数据样本进行分析，提取样本中的低级特征，并进一步抽象化实现高级特征表示，具有可靠性高、智能化等特点，被广泛应用于语音识别、图像识别和音频检测等领域 [4]。深度学习为实现导弹打击目标自动识别提供了新的技术途径，其中性能较为优异的算法有Cascade R-CNN和YOLOv3。

2. 基于CNN网络的目标识别算法

深度学习是机器学习的一个重要分支。与传统经典机器学习算法相比，深度学习神经网络模型的中间隐层数量更多，结构更为复杂，可通过逐层训练和迭代循环，实现对复杂函数的逼近。样本数据的高级特征是通过对其低级特征进行抽象运算获取的，具备学习样本数据更为本质特征的能力 [5]。当前具有代表性的网络模型有深度置信网络(deep belief network, DBN)模型、堆叠自动编码机(stacked auto-encoder, SAE)模型、基于循环神经网络(recurrent neural networks, RNN)的深度模型和基于卷积神经网络(convolutional neural network, CNN)的深度模型。

CNN网络是一种适合处理空间数据(如图像、视频)的前馈式神经网络，受视觉神经科学的启发，具备自主分层学习数据的能力 [6]，在计算机视觉领域广泛应用。经典CNN模型结构如图1所示，由输入层、多层卷积及池化层、光栅层、多层感知器及输出层组成，其中卷积层提取局部特征，池化层降低隐藏层维度、减少参量并使特征具有空间不变性，光栅层将多维特征线性化，多层感知器实现分类和预测。

Figure 1. CNN network structure

图1. CNN网络结构

1989年Yann LeCun首次提出CNN模型 [7]。得益于计算机计算能力的提升，2012年Hinton博士提出了深度卷积神经网络AlexNet [8]，该网络在当年图像识别领域竞赛中的top-1的error rates为37.5%，远超第二名的优异性能引起研究者的重视。随着CNN网络的不断深化&#