典型文献
基于改进Faster R-CNN的无人机小目标检测算法
文献摘要：
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.
文献关键词：
图像处理;目标检测;深度学习;无人机
中图分类号：
作者姓名：
张杨;程正东;朱斌
作者机构：
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
文献出处：
引用格式：
[1]张杨;程正东;朱斌-.基于改进Faster R-CNN的无人机小目标检测算法)[J].量子电子学报,2022(03):354-363
A类：
B类：
Faster,小目标检测,目标检测算法,两阶段,检测识别,特征提取网络,卷积层,ResNet,骨干网络,少算,参数量,特征金字塔网络,特征融合,融合方法,目标特征,背景特征,对比度,双线性插值,感兴趣区域,池化,低空无人机,检测速度,FPS,一倍,mAP,识别性
AB值：
0.292098
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
