發(fā)布時間：2021-10-11 18:37

　　無人機(jī)擁有空中視野良好,可監(jiān)測范圍廣等優(yōu)勢,被廣泛地應(yīng)用于實際的目標(biāo)檢測任務(wù)中,由于無人機(jī)距離地面較遠(yuǎn),任務(wù)中頻繁出現(xiàn)小型目標(biāo)檢測效果不佳,虛檢率和漏檢率較高的情況。針對以上問題,提出一種改進(jìn)的無人機(jī)對地小目標(biāo)識別方法。本文基于YOLOV3卷積神經(jīng)網(wǎng)絡(luò),首先建立一個無人機(jī)航拍數(shù)據(jù)集,并使用維度聚類方法設(shè)計合適的錨框,其次將廣義交并比應(yīng)用于網(wǎng)絡(luò)的坐標(biāo)損失函數(shù)中,替代原本的和方差損失,最后將YOLOV3網(wǎng)絡(luò)4倍降采樣特征圖與經(jīng)過上采樣的8倍降采樣特征圖進(jìn)行拼接,建立新的4倍降采樣的目標(biāo)檢測層。實驗結(jié)果表明,相比于YOLOV3,應(yīng)用廣義交并比的網(wǎng)絡(luò)的平均精確度均值提高了3.4%,應(yīng)用改進(jìn)的YOLOV3網(wǎng)絡(luò)平均精確率均值提高了8.2%,其中行人類小目標(biāo)的平均精確率提高了10.2%,改進(jìn)的檢測方法對無人機(jī)平臺下的小目標(biāo)檢測效果有所提升。 

【文章來源】：電子設(shè)計工程. 2020,28(12)

【文章頁數(shù)】：6 頁

【部分圖文】：

測試集檢測結(jié)果

無人機(jī)室外檢測結(jié)果

YOLOV3的網(wǎng)絡(luò)主干Darknet53共包含53個卷積層（不包含殘差結(jié)構(gòu)中的2個卷積層），大大提升了目標(biāo)檢測的準(zhǔn)確性；YOLOV3在目標(biāo)檢測結(jié)構(gòu)中引入了特征金字塔網(wǎng)絡(luò)結(jié)構(gòu)，進(jìn)行多尺度檢測[9],Darknet53共進(jìn)行5次2倍下采樣操作，在8倍、16倍和32倍下采樣處輸出3個不同尺寸的特征圖，高層特征圖經(jīng)過上采樣后與低層特征圖進(jìn)行融合，在3個尺度上劃分S×S的單元格，分別進(jìn)行目標(biāo)檢測；與多尺度檢測相適應(yīng)，YOLOV3為每個尺度預(yù)先設(shè)定3個錨框，一共使用9個錨框。2 目標(biāo)檢測評價標(biāo)準(zhǔn)

【參考文獻(xiàn)】：
期刊論文
[1]基于深度學(xué)習(xí)的目標(biāo)檢測算法研究進(jìn)展[J]. 謝娟英,劉然.  陜西師范大學(xué)學(xué)報(自然科學(xué)版). 2019(05)
[2]改進(jìn)的YOLO V3算法及其在小目標(biāo)檢測中的應(yīng)用[J]. 鞠默然,羅海波,王仲博,何淼,常錚,惠斌.  光學(xué)學(xué)報. 2019(07)
[3]基于改進(jìn)損失函數(shù)的YOLOv3網(wǎng)絡(luò)[J]. 呂鑠,蔡烜,馮瑞.  計算機(jī)系統(tǒng)應(yīng)用. 2019(02)
[4]無人機(jī)作戰(zhàn)平臺的智能目標(biāo)識別方法[J]. 呂攀飛,王曙光.  激光與光電子學(xué)進(jìn)展. 2019(07)
[5]基于YOLO網(wǎng)絡(luò)模型的異常行為檢測方法研究[J]. 劉雪奇,孫勝利.  電子設(shè)計工程. 2018(20)
[6]無人機(jī)航拍視頻中的車輛檢測方法[J]. 王素琴,施文豪,李兆歆,毛天露.  系統(tǒng)仿真學(xué)報. 2018(07)
[7]基于深度學(xué)習(xí)的多視窗SSD目標(biāo)檢測方法[J]. 唐聰,凌永順,鄭科棟,楊星,鄭超,楊華,金偉.  紅外與激光工程. 2018(01)
[8]基于YOLO v2的無人機(jī)航拍圖像定位研究[J]. 魏湧明,全吉成,侯宇青陽.  激光與光電子學(xué)進(jìn)展. 2017(11)

博士論文
[1]固定翼無人機(jī)地面車輛目標(biāo)自動檢測與跟蹤[D]. 李大偉.中國科學(xué)院大學(xué)(中國科學(xué)院國家空間科學(xué)中心) 2017

碩士論文
[1]基于無人機(jī)視覺的輸電線路安全距離巡檢系統(tǒng)研究[D]. 李棟.廣西大學(xué) 2016



本文編號：3431047