摘要：隨著無人機等低空平臺在偵察領域的不斷擴展以及對性能要求的不斷提高,各應用場景對目標檢測精度和速度也提出了越來越高的要求。傳統(tǒng)的目標成像方法難以滿足圖像質量需求,人工識別目標的方法也無法應對戰(zhàn)場環(huán)境的快速變化。結合深度學習和偏振高光譜成像技術的發(fā)展,通過模擬偏振高光譜低空目標檢測平臺,提出基于Faster R-CNN的地面軍事目標檢測方法。采用區(qū)域建議網(wǎng)絡模塊進行模型訓練,而在目標檢測階段通過對特征圖進行興趣區(qū)域池化操作得到建議特征圖,最后利用建議特征圖完成目標類別判定。實驗選取3種典型的軍事車輛縮比模型,通過偏振高光譜相機在室內外模擬環(huán)境中獲取目標在不同場景條件的圖像數(shù)據(jù),以及某型無人機在低空條件下的地面車輛目標數(shù)據(jù)進行實驗驗證。實驗表明,該方法在有效完成地面目標的檢測時,能夠達到理想的檢測精度和速度。