计算机工程

作者：陈锦生, 马文臻, 方少峰, 邹自明

单位：1. 中国科学院国家空间科学中心 空间科学卫星运控部, 北京 1001902. 中国科学院大学 计算机科学与技术学院, 北京 100049

关键词：重力波,深度学习,数据扩充,目标检测,生成对抗网络

基金：国家重点研发计划(2022YFF0711400); 中国科学院网信专项(CAS-WX2021PY-0101)

子午工程全天空气辉成像仪观测网的逐步完善，积累了海量的气辉图像原始观测数据，但是基于地基气辉观测的大气重力波研究极度依赖人工识别，十分耗时且识别质量难以得到保证，亟需发展一种快速有效的自动识别方法。针对大气重力波标注样本稀缺的问题，在改进Cycle GAN模型的基础上提出一种大气重力波气辉观测数据集扩充算法，仅需标注少量样本即可大幅提升检测算法对大气重力波的识别精度；进一步，利用地基气辉图像识别目标与背景低信噪比的特点，通过对深度学习模型YOLOv5s骨干网络以及边界框预测加以改进，提出一种新的大气重力波智能识别算法。实验结果表明，使用扩增的数据集以及改进的YOLOv5s目标检测算法，在交并比阈值为0.5的情况下平均识别精度达到75.8%，较原始模型提升9.7个百分点，检测速度和平均识别精度均优于对比的主流目标检测算法。

来源：2023年第11期

《计算机工程》期刊编辑部

查看计算机工程杂志2023年第11期