典型文献
基于轻型注意力卷积网络的无人机遥感影像多目标检测
文献摘要：
针对现有深度学习模型体量大,难以在机载边缘硬件环境上直接部署并流畅开展推理的问题,本文提出了一种轻量化的无人机遥感影像多目标检测模型.该模型利用分组卷积核与通道混排结构构建了特征提取结构的基本层,使用轻型通道注意力机制加强模型对实际特征的聚焦程度,使用双层特征强化结构输出多尺度的特征图,通过改进的非极大值抑制算法实现目标框的筛选输出,并利用多源无人机影像数据集对模型进行训练和验证.试验结果表明,本文所提出模型在测试数据集上平均精度均值可以达到88.91％,较其余三组对照模型分别提高了 7.07％、16.64％和11.56％.训练后模型仅有42.5 MB,在测试环境下的每秒检测张数(Frames Per Second,FPS)可以达到57,证明本文提出的模型能够在有限的内存及计算资源硬件条件下快速且精准地完成检测任务.
文献关键词：
无人机遥感;目标检测;卷积神经网络;注意力机制
中图分类号：
作者姓名：
任永富
作者机构：
武汉天图地信科技有限公司,湖北武汉430223
文献出处：
引用格式：
[1]任永富-.基于轻型注意力卷积网络的无人机遥感影像多目标检测)[J].测绘技术装备,2022(04):89-94
A类：
B类：
轻型,卷积网络,无人机遥感影像,多目标检测,有深度,深度学习模型,体量大,机载,流畅,目标检测模型,分组卷积,卷积核,混排,通道注意力机制,注意力机制加强,特征强化,强化结构,特征图,非极大值抑制,算法实现,实现目标,无人机影像,影像数据,出模,测试数据,平均精度均值,余三,MB,测试环境,每秒,Frames,Per,Second,FPS,计算资源,硬件条件
AB值：
0.449503
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。
