基于优化CenterNet的低空无人机检测方法

摘要：

为实现对"低慢小"无人机(UAV)的有效探测,提升检测精度和定位质量,提出一种基于联合注意力和CenterNet的低空无人机检测方法.针对通用目标检测算法小目标漏检率高的问题,引入解耦的非局部算子,捕捉光学图像目标区域的关联性.利用无人机群个体间的相似性,将离散的无人机特征相互关联,降低漏检率.为获得更加精准的检测框,对CenterNet的标签编码策略和边界框回归方式进行优化,引入定位质量损失,提升检测框定位质量.实验结果表明:优化后的S-CenterNet算法相比原始CenterNet算法平均准确率提升了8.9％,检测框定位质量有明显改善.

关键词：目标检测、深度学习、联合注意力、CenterNet、无人机

所属期刊栏目：48

分类号：TP391(计算技术、计算机技术)

资助基金：航空科学基金;人工智能重点项目

在线出版日期：2022-12-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：2335-2344