典型文献
一种实时多尺度目标检测识别算法
文献摘要：
无人机目标检测与识别任务中,目标随着飞行高度的改变尺寸发生显著变化.常规目标检测模型中,获取的小目标细节信息有限,检测精度较低;而适用于小目标的实时检测模型往往容易丢失大目标的背景信息,降低大目标的检测精度.针对以上多尺度目标检测识别任务难点,提出一种基于改进特征金字塔网络(Feature Pyramid Network,FPN)结构的实时多尺度目标检测识别模型.该模型通过增加特征金字塔层级覆盖更广的目标尺度,获取更为丰富的目标信息;同时,利用跨连接增加不同尺度特征融合的多样性,降低特征传导距离,保留更加完整的尺度特征来提高模型检测识别多尺度目标的性能.通过实验发现,相比于原始网络结构和相同特征层级的四层特征金字塔结构,加入改进特征金字塔结构的多尺度目标检测模型识别性能得到了提升.
文献关键词：
无人机(UAV);目标检测与识别;多尺度目标检测;特征金字塔网络(FPN)
中图分类号：
作者姓名：
朱佩佩;吴元;赖作镁
作者机构：
中国西南电子技术研究所,成都610036
文献出处：
引用格式：
[1]朱佩佩;吴元;赖作镁-.一种实时多尺度目标检测识别算法)[J].电讯技术,2022(05):619-624
A类：
B类：
多尺度目标检测,目标检测识别,识别算法,无人机目标检测,目标检测与识别,飞行高度,变尺寸,目标检测模型,小目标,细节信息,检测精度,实时检测,大目标,背景信息,改进特征,特征金字塔网络,Feature,Pyramid,Network,FPN,识别模型,加特,金字塔层级,标尺,目标信息,不同尺度,尺度特征,特征融合,加完,模型检测,四层,特征金字塔结构,模型识别,识别性,UAV
AB值：
0.316987
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。
