基于多尺度特征融合的自适应无人机目标检测

被引:33
作者
刘芳
吴志威
杨安喆
韩笑
机构
[1] 北京工业大学信息学部
关键词
机器视觉; 无人机; 目标检测; 深度网络; 特征融合;
D O I
暂无
中图分类号
TP391.41 []; V19 [航空、航天的应用];
学科分类号
080203 ;
摘要
针对无人机(UAV)航拍图像中目标占比较小、拍摄角度和高度多变等问题,提出了一种基于多尺度特征融合的自适应无人机目标检测算法。利用深度可分离卷积结合残差学习的优点,建立了轻量化特征提取网络。构建多尺度自适应候选区域生成网络,将空间尺寸一致的特征图按照通道维度进行加权融合操作,增强了特征对目标的表达能力,并利用语义特征指导网络在多尺度特征图上自适应生成与真实目标更加匹配的目标候选框。仿真实验表明,该算法有效提升了无人机航拍目标检测精度,具有较好的鲁棒性。
引用
收藏
页码:133 / 142
页数:10
相关论文
共 8 条
  • [1] 基于双通道的快速低空无人机检测识别方法
    马旗
    朱斌
    程正东
    张杨
    [J]. 光学学报, 2019, 39 (12) : 105 - 115
  • [2] 基于多尺度卷积神经网络的遥感目标检测研究
    姚群力
    胡显
    雷宏
    [J]. 光学学报, 2019, 39 (11) : 346 - 353
  • [3] 改进的SSD航拍目标检测方法
    裴伟
    许晏铭
    朱永英
    王鹏乾
    鲁明羽
    李飞
    [J]. 软件学报, 2019, 30 (03) : 738 - 758
  • [4] 基于Faster R-CNN深度网络的遥感影像目标识别方法研究
    王金传
    谭喜成
    王召海
    钟燕飞
    董华萍
    周松涛
    成布怡
    [J]. 地球信息科学学报, 2018, 20 (10) : 1500 - 1508
  • [5] 基于改进SSD的轻量化小目标检测算法
    吴天舒
    张志佳
    刘云鹏
    裴文慧
    陈红叶
    [J]. 红外与激光工程 , 2018, (07) : 47 - 53
  • [6] 基于改进Faster R-CNN的空中目标检测
    冯小雨
    梅卫
    胡大帅
    [J]. 光学学报, 2018, 38 (06) : 250 - 258
  • [7] The Pascal Visual Object Classes Challenge: A Retrospective[J] . Mark Everingham,S. M. Ali Eslami,Luc Gool,Christopher K. I. Williams,John Winn,Andrew Zisserman.International Journal of Computer Vision . 2015 (1)
  • [8] Vision meets drones a challenge .2 Zhu P F,Wen L Y,Bian X,et al. https://arxiv.org/abs/ 1804.07437 . 2018