목표의 자기 가림, 시각적 특징이 뚜렷하지 않고 특징 변화가 큰 문제로 인해 부품 인식 정확도가 저하되는 문제를 해결하기 위해 지식 그래프 기반의 적외선 목표 부품 인식 방법을 제안한다. 먼저 목표 전체를 인식한 후 목표 부품을 인식하는 2단계 인식 전략을 사용한다. 먼저 목표 전체를 탐지하고 목표 영역을 확장하여 고해상도로 신호 세부 정보를 강화하여 목표 인식 능력을 향상시킨다. 그 다음 부품 인식 모델에 목표 지식 그래프를 통합하여 목표 부품 구조 관계를 이용해 부품의 동시 출현 관계를 추론하고 부품 연관성 주의(attention)를 융합하여 부품 인식 성능을 향상시켜 시각적 특징 부족으로 인한 부품 인식 문제를 해결한다. 부품 자기 가림에 대해서는 자기 가림 기반 학습률 제어 전략을 제안하여 모델의 가림에 대한 학습 성능과 수렴성을 강화한다. 마지막으로 실내 목표 등가 축소비 모델 검증 시스템을 구축하여 다양한 자세 및 거리 조건에서 비행기를 테스트하였으며 인식 평균 정확도는 92.2%에 달했다. 실험 결과 제안한 방법이 목표 부품 인식 능력이 우수하며 정밀도와 재현율을 크게 향상시켰음을 보여준다.

적외선 목표 인식;지식 그래프;전체 인식;글로벌 벡터 모델;어텐션 모듈;학습률 제어