10.3969/j.issn.1672-9870.2018.03.021
一种基于深度学习的禁飞区无人机目标识别方法
随着科学技术的迅速发展,中小型无人机逐步走向民用市场.但由于监管技术的缺失,无人机擅闯禁飞区事件屡见不鲜,严重扰乱了空域交通安全.针对传统无人机探测方法成本高、效率低和适应性差等问题,引入深度学习这一新技术,提出了一种基于深度学习的禁飞区无人机目标识别方法.通过对LeNet-5模型进行结构改进,构建一个无人机特征学习网络,经过训练后得到效果良好的模型,实现无人机目标的自主识别.其识别结果可以为禁飞区的监控预警系统提供重要信息,进一步有效保障重要空域的交通安全.实验结果表明,该方法可以有效实现禁飞区无人机目标识别,且误差率比直接应用经典LeNet-5模型减小0.36%.
无人机、禁飞区、深度学习、自主识别
41
TP391(计算技术、计算机技术)
2018-12-28(万方平台首次上网日期,不代表论文的发表时间)
共7页
95-101