典型文献
基于轻量化神经网络的空中目标检测算法
文献摘要：
视频卫星是一种空中目标监视的有效方式,受数传站部署的限制,海量视频卫星图像很难实时回传至地面,因此迫切需求发展在轨智能检测方法.空中目标的运动特性对检测算法的实时性要求很高,而星载平台的计算能力受限,所以提出了一种轻量化空中目标检测算法.算法采用YOLO v3基本框架,利用MobileNet v3中的高效卷积模块对其骨干网络进行了改进,一方面将网络体积压缩了 3.2倍,另一方面引入了注意力机制提高了检测精度.在此基础上,将IoU(交并比)加入到边界框回归损失函数中,实现了 2.1％的mAP(平均精度均值)提升.通过实际测试,所提方法在1044×916像素的图像上检测速度最快能达到43.47FPS,平均检测精度(mAP)达到88.9％.
文献关键词：
卷积神经网络;轻量化;目标检测;交并比
中图分类号：
作者姓名：
杨玉敏;廖育荣;林存宝;倪淑燕
作者机构：
航天工程大学,北京101400
文献出处：
引用格式：
[1]杨玉敏;廖育荣;林存宝;倪淑燕-.基于轻量化神经网络的空中目标检测算法)[J].计算机仿真,2022(07):70-73,420
A类：
高效卷积模块,47FPS
B类：
轻量化神经网络,空中目标,目标检测算法,视频卫星,目标监视,有效方式,数传,卫星图像,回传,需求发展,在轨,智能检测方法,运动特性,星载,计算能力,YOLO,v3,基本框架,MobileNet,骨干网络,积压,注意力机制,检测精度,IoU,交并比,边界框回归损失函数,mAP,平均精度均值,实际测试,像素,检测速度
AB值：
0.37013
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。
