典型文献
改进LDS_YOLO网络的遥感飞机检测算法研究
文献摘要：
为解决遥感飞机检测算法网络计算复杂、检测精度低的问题,以主流网络YOLOv4为基础,从提高精度和简化模型两个方面进行改进研究,提出一种轻量级多尺度监督网络LDS_YOLO(light dense supervision YOLO).针对遥感飞机目标细节信息提取不足的问题,改进三组多尺度融合预测层结构,在每一个支路第一次上采样前的四个卷积块之间设计密集连接方式,可以增强融合不同尺度飞机,丰富特征细节信息,提高预测准确率;针对目标特征关联度低的问题,引入一致性监督损失函数,通过监督分类网络辅助预测的同时提高检测精度;通过增加包含全局平均池化层、全连接层和特征映射层的轻量化模块,调整通道结构减少权重模型的特征冗余,降低网络参数量.在保证检测率的基础上将模型参数量降低为3.6×106,计算量为77 MFLOPs,测试检测率比原始模型损失不到2.3％,速度达到17 frame/s;通过与主流检测算法进行对比,分析轻量化后算法模型的抗过拟合能力和鲁棒性,证明轻量化遥感飞机目标检测算法的有效性和可行性.
文献关键词：
目标检测;卷积神经网络;一致性监督损失函数;多尺度融合;轻量化模型
中图分类号：
作者姓名：
吴杰;高策;余毅;张艳超;裴玉;马少峰
作者机构：
中国科学院 长春光学精密机械与物理研究所,长春 130033;西昌卫星发射中心,四川 西昌 615099
文献出处：
引用格式：
[1]吴杰;高策;余毅;张艳超;裴玉;马少峰-.改进LDS_YOLO网络的遥感飞机检测算法研究)[J].计算机工程与应用,2022(15):210-219
A类：
一致性监督损失函数,MFLOPs
B类：
LDS,飞机检测,算法研究,法网,检测精度,流网,YOLOv4,提高精度,简化模型,改进研究,轻量级,监督网络,light,dense,supervision,细节信息,信息提取,多尺度融合,融合预测,一个支,支路,上采样,密集连接,连接方式,不同尺度,预测准确率,目标特征,特征关联,监督分类,分类网络,高检,全局平均池化层,全连接层,特征映射,轻量化模块,通道结构,网络参数,检测率,上将,模型参数量,计算量,frame,算法模型,过拟合,飞机目标检测,目标检测算法,轻量化模型
AB值：
0.412718
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。
