典型文献
基于优化SSD的低空无人机检测方法
文献摘要：
针对浅层特征缺乏语义信息和小目标特征不显著的问题,提出了一种基于多尺度特征融合和注意力的低空无人机(unmanned aerial vehicle,UAV)检测方法.首先提出一种多尺度特征融合模块,将不同尺度的特征图进行有效融合,使浅层特征图的细节纹理信息和深层特征图的语义信息得到充分的利用,改善浅层特征语义信息不足的问题.然后在网络特征图输出处引入一种不降维局部跨信道交互策略和核大小自适应选择的通道注意力机制,以极其轻量级的方式获取跨通道的交互信息.为使先验框和有效感受野匹配,优化默认框设置方法,更好地检测小目标.使用自制无人机数据集进行验证,结果表明改进后算法平均准确率为84.07％,比原始SSD(single shot multibox detector)算法提高了7.81个百分点,检测速度达到31.3 frame/s.
文献关键词：
目标检测;多尺度特征融合;低空无人机;注意力机制
中图分类号：
作者姓名：
张灵灵;王鹏;李晓艳;吕志刚;邸若海
作者机构：
西安工业大学 兵器科学与技术学院,西安 710021;西安工业大学 发展规划处,西安 710021;西安工业大学 电子信息工程学院,西安 710021
文献出处：
引用格式：
[1]张灵灵;王鹏;李晓艳;吕志刚;邸若海-.基于优化SSD的低空无人机检测方法)[J].计算机工程与应用,2022(16):204-212
A类：
B类：
SSD,低空无人机,无人机检测,语义信息,小目标特征,多尺度特征融合,unmanned,aerial,vehicle,UAV,特征融合模块,不同尺度,特征图,有效融合,细节纹理,纹理信息,深层特征,网络特征,出处,不降,跨信道交互,交互策略,自适应选择,通道注意力机制,轻量级,跨通道,交互信息,先验框,感受野,默认,平均准确率,single,shot,multibox,detector,百分点,检测速度,frame,目标检测
AB值：
0.40439
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。
