改进的SSD航拍目标检测方法

被引：70

作者：

裴伟 ^{[1
]}

许晏铭 ^{[2
]}

朱永英 ^{[3
]}

王鹏乾 ^{[2
]}

鲁明羽 ^{[2
]}

李飞 ^{[2
]}

机构：

[1] 大连海事大学环境科学与工程学院

[2] 大连海事大学信息科学技术学院

[3] 大连海洋大学海洋与土木工程学院

来源：

软件学报 | 2019年 / 30卷 / 03期

关键词：

深度学习; 无人机; 深度残差网络; 特征融合;

D O I：

10.13328/j.cnki.jos.005695

中图分类号：

TP391.41 []; TP18 [人工智能理论]; V279 [无人驾驶飞机];

学科分类号：

080203 ; 081104 ; 0812 ; 0835 ; 1405 ; 1111 ;

摘要：

近年来,无人机技术的快速发展使得无人机地面目标检测技术成为计算机视觉领域的重要研究方向,无人机在军事侦察、交通管制等场景中具有普遍的应用价值.针对无人机场景下目标分辨率低、尺度变化大、相机快速运动、目标遮挡和光照变化等问题,提出一种基于残差网络的航拍目标检测算法.在SSD(single shot multibox detector)目标检测算法的基础上,用表征能力更强的残差网络进行基准网络的替换,用残差学习降低网络训练难度,提高目标检测精度;引入跳跃连接机制降低提取特征的冗余度,解决层数增加出现的性能退化问题.同时,针对SSD目标检测算法存在的目标重复检测和小样本漏检问题,提出一种基于特征融合的航拍目标检测算法.算法引入不同分类层的特征融合机制,把网络结构中低层视觉特征与高层语义特征有机地结合在一起.实验结果表明,算法在检测准确性和实时性方面均具有较好的表现.

引用

页码：738 / 758

页数：21

共 6 条

[1] 目标检测算法研究综述 [J].

方路平 ;

何杭江 ;

周国民 .

计算机工程与应用 , 2018, (13) :11-18+33

[2] 基于无人机平台的运动目标检测与跟踪算法研究 [J].

汤轶 ;

周鹏程 ;

肖璇 ;

常成 ;

刘益麟 ;

潘峰 .

机器人技术与应用, 2017, (03) :35-37

[3] 无人机视频运动目标实时检测及跟踪 [J].

董晶 ;

傅丹 ;

杨夏 .

应用光学, 2013, 34 (02) :255-259

[4] 基于无人机视频的运动目标快速跟踪 [J].

谭熊 ;

余旭初 ;

刘景正 ;

黄伟杰 .

测绘通报, 2011, (09) :32-34+41

[5]

航拍视频运动目标检测与跟踪方法研究[D]. 仝小敏.西北工业大学. 2015

[6]

无人机平台运动目标检测与跟踪及其视觉辅助着陆系统研究[D]. 张恒.国防科学技术大学. 2008

← 1 →