典型文献
面向无人机作战的复杂光照环境下小目标检测方法研究
文献摘要：
针对复杂光照环境下无人机作战的小目标难以检测问题,以引入注意力机制的YOLOv5s-Se模型为基础,设计了基于Ghost模块与形状损失函数的YOLOv5s-Se_Point改进模型.该模型首先引入形状特征损失函数,提高对小目标形状特征的提取能力.然后,使用Ghost模块替换网络Backbone中的卷积模块,以提高识别速度,降低模型尺寸.通过设置模拟作战场景进行实验,结果表明YOLOv5s-Se_Point相对于YOLOv5s和YOLOv5s-Se模型,在准确率和检测速度上具有一定优势,可以有效地改善复杂光照环境下传统算法的缺陷,提高算法的鲁棒性,实现对复杂光照环境下小目标的有效识别.
文献关键词：
无人机作战;深度学习;复杂光照环境;YOLO;目标检测
中图分类号：
作者姓名：
郝立;张皓迪
作者机构：
东南大学自动化学院,江苏南京210096;东南大学吴健雄学院,江苏南京211189
文献出处：
引用格式：
[1]郝立;张皓迪-.面向无人机作战的复杂光照环境下小目标检测方法研究)[J].系统仿真技术,2022(02):85-89,95
A类：
B类：
无人机作战,复杂光照环境,小目标检测,目标检测方法,检测问题,注意力机制,YOLOv5s,Se,Ghost,损失函数,Point,改进模型,形状特征,特征损失,特征的提取,换网,Backbone,卷积模块,模型尺寸,拟作,作战场景,检测速度,下传,传统算法
AB值：
0.290533
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。
