基于DRFP网络的无人机对地车辆目标识别算法

被引：5

作者：

张钟毓 ^{[1
,2
,3
,4
,5
]}

刘云鹏 ^{[1
,2
,4
,5
]}

王思奎 ^{[1
,2
,3
,4
,5
]}

刘天赐 ^{[1
,2
,3
,4
,5
]}

林智远 ^{[1
,2
,3
,4
,5
]}

机构：

[1] 中国科学院沈阳自动化研究所

[2] 中国科学院机器人与智能制造创新研究院

[3] 中国科学院大学

[4] 中国科学院光电信息处理重点实验室

[5] 辽宁省图像理解与视觉计算重点实验室

来源：

红外与激光工程 | 2019年 / 48(S2)卷 / S2期

关键词：

小目标识别; 无人机图像; 深度学习;

D O I：

暂无

中图分类号：

TP391.41 []; E11 [军事建设与战备];

学科分类号：

080203 ; 11 ;

摘要：

针对无人机在复杂战场环境的侦察任务中,目标在视场中尺寸过小、边缘和纹理信息较少所造成的目标识别难题,提出一种新的基于深度学习的单阶段目标识别网络DRFP。DRFP网络以残差结构为骨架,使用特征金字塔结构实现特征融合;其次在损失函数中使用添加了调整因子的交叉熵函数,实现对难样本的重点关注、训练;最后使用高斯型非极大值抑制算法(G-NMS),提高目标密集区检出率。使用无人机航拍图像数据集进行地面车辆目标识别的实验结果表明:所提出的单阶段模型的精度(mAP值)为83.16%,达到了两阶段网络模型的水平;同时,识别速度符合实时性的要求。

引用

页码：131 / 139

页数：9

共 3 条

[1] 基于神经网络的机器人抛光材料去除提升模型（英文） [J].