動画データに対して、効率の悪い光学測定装置による目標認識能力の低さという問題に対し、大量の動画データを用いてデータベースを構築し、さらに赤外線目標認識システムを構築する方法を提案する。まず、高速赤外線目標検出アルゴリズムを設計し、目標を抽出して分類しデータベースを構築する。次に、特定のタスクに合わせて、よくマッチし構造の異なる畳み込みニューラルネットワークのセットを構築し、テスト精度の平均値統計分析やパラメータ規模に基づく選択戦略を提案し、一般化能力が高く構造が単純な畳み込みニューラルネットワークと適切な学習回数を選択する。最後に、最適モデルとそのパラメータを分類器として読み込み、検出器と組み合わせて赤外線目標特徴イベントのリアルタイム検出分類を実現する。シミュレーション結果は、目標分類精度の平均値が95％以上に達し、速度は約50ピクセル/秒であることを示している。畳み込みニューラルネットワークの構造設計と選択戦略は有効であり、構築されたシステムは赤外線目標認識の精度とリアルタイム性の要求を満たすことができる。

大量動画;畳み込みニューラルネットワーク;選択戦略;赤外線目標認識