基于改进Faster R-CNN的无人机小目标检测算法
TP391.4; 为提升两阶段目标检测算法Faster R-CNN对无人机小目标的检测识别效果,提出了一种改进的Faster R-CNN目标检测算法.对原始Faster R-CNN算法的特征提取网络进行改进,使用卷积层更少的ResNet-18作为骨干网络,减少算法的参数量;针对无人机目标特点,对Faster R-CNN算法的特征金字塔网络中的特征融合方法进行改进,增强了目标特征与背景特征的对比度;使用双线性插值的方法改善因感兴趣区域池化而造成的预测框偏离的问题.最后,在构建的低空无人机数据集上对改进的算法进行了实验验证,结果表明提出的改进Faster R-CNN目标检测算法检测速度达到了35....
Saved in:
Published in | 量子电子学报 Vol. 39; no. 3; pp. 354 - 363 |
---|---|
Main Authors | , , |
Format | Journal Article |
Language | Chinese |
Published |
国防科技大学脉冲功率激光技术国家重点实验室, 安徽 合肥 230037
2022
|
Subjects | |
Online Access | Get full text |
Cover
Loading…
Summary: | TP391.4; 为提升两阶段目标检测算法Faster R-CNN对无人机小目标的检测识别效果,提出了一种改进的Faster R-CNN目标检测算法.对原始Faster R-CNN算法的特征提取网络进行改进,使用卷积层更少的ResNet-18作为骨干网络,减少算法的参数量;针对无人机目标特点,对Faster R-CNN算法的特征金字塔网络中的特征融合方法进行改进,增强了目标特征与背景特征的对比度;使用双线性插值的方法改善因感兴趣区域池化而造成的预测框偏离的问题.最后,在构建的低空无人机数据集上对改进的算法进行了实验验证,结果表明提出的改进Faster R-CNN目标检测算法检测速度达到了35.5帧/秒(FPS),较原始Faster R-CNN算法的15.8 FPS,速度提高了约一倍,且算法的平均精确度均值mAP提升了0.7%,有效提高了算法对无人机小目标的检测识别性能. |
---|---|
ISSN: | 1007-5461 |
DOI: | 10.3969/j.issn.1007-5461.2022.03.007 |