典型文献
基于改进FFRCNN网络的无人机地面小目标检测算法
文献摘要：
针对传统目标检测算法对航拍影像中的车辆等小目标检测效果差的问题,提出一种基于改进Faster R-CNN的无人机地物车辆检测算法.该算法在原始Faster R-CNN网络的基础上融合了FPN作为基础网络模型——FFRCNN,采用ResNet-50代替原始VGG-16作为主要骨干网络进行多特征融合,使用Focal Loss损失函数改善正负样本不均衡的情况.在改进网络的基础上,使用空洞卷积将多尺度空间的特征信息进行融合,提高网络的感受野,更好地收集图像的上下文信息.实验结果表明,改进后的检测算法平均精确度达到93.8％,相较于原FFRCNN网络,平均精确度提升了19.2％,具有更好的鲁棒性.
文献关键词：
深度学习;Faster R-CNN;Focal Loss;空洞卷积;车辆检测
中图分类号：
作者姓名：
宋建辉;王思宇;刘砚菊;于洋;池云
作者机构：
沈阳理工大学自动化与电气工程学院,沈阳 110000;中共辽宁省委党校,沈阳 110000
文献出处：
引用格式：
[1]宋建辉;王思宇;刘砚菊;于洋;池云-.基于改进FFRCNN网络的无人机地面小目标检测算法)[J].电光与控制,2022(07):69-73,80
A类：
B类：
FFRCNN,小目标检测,目标检测算法,航拍影像,检测效果,Faster,地物,车辆检测,FPN,ResNet,VGG,骨干网络,多特征融合,Focal,Loss,损失函数,正负样本,样本不均衡,进网,空洞卷积,多尺度空间,特征信息,感受野,上下文信息
AB值：
0.340157
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。
