典型文献
基于深度学习的无人机视觉目标检测与跟踪
文献摘要：
针对目标检测中小目标物体漏检率及误检率高等问题,提出了一种基于Yolov3-Tiny算法的改进模型.改进k-means聚类方法,增加3×3和1×1的卷积池化层,将第9层卷积输出上采样,并与第8层卷积得到的特征图进行连接,得到新的输出:52×52卷积层,形成新的特征金字塔.基于卡尔曼滤波算法实现目标跟踪,提出融合跟踪算法的检测网络,使用匈牙利匹配算法对检测边缘框与跟踪边缘框进行最优匹配,利用跟踪结果修正检测结果,提高了检测速度,同时提升了检测能力.在ROS、Gazebo和自动驾驶仪软件PX4的综合仿真环境下对所提算法进行了对比试验.试验结果表明:改进算法平均检测速度降低了15.6％,mAP提高了6.5％.融合跟踪算法后的网络平均检测速度提高了34.2％,mAP提高了8.6％.融合跟踪算法后的网络能够满足系统实时性和准确性的要求.
文献关键词：
目标检测;Yolov3-Tiny;目标跟踪;卡尔曼滤波;匈牙利匹配
中图分类号：
作者姓名：
蒲良;张学军
作者机构：
西华大学 航空航天学院,成都610039;北京航空航天大学 电子信息工程学院,北京100083
文献出处：
引用格式：
[1]蒲良;张学军-.基于深度学习的无人机视觉目标检测与跟踪)[J].北京航空航天大学学报,2022(05):872-880
A类：
B类：
无人机视觉,视觉目标检测,目标检测与跟踪,小目标,漏检率,误检率,Yolov3,Tiny,改进模型,means,聚类方法,池化,出上,上采样,特征图,卷积层,特征金字塔,卡尔曼滤波算法,算法实现,实现目标,目标跟踪,融合跟踪,跟踪算法,测网,匈牙利匹配,匹配算法,结果修正,检测速度,检测能力,ROS,Gazebo,自动驾驶仪,PX4,综合仿真,仿真环境,改进算法,mAP
AB值：
0.453947
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。
