基于迁移学习的无人机对地面目标识别研究

摘要：

无人机对地面目标的识别精度受到数据集少和目标小的影响.传统深度学习需要大量有标注的数据集,限制了在具有小样本下的无人机对地面目标识别领域的应用.将迁移学习的方法用于卷积神经网络VGG16,并修改VGG16 网络最后的3 个连接层;同时利用单样本数据增强法将UC Merced数据集扩大到原来的8 倍,对其进行验证和对比分析.实验结果表明,基于迁移学习的VGG16 网络对地面目标识别的准确度可达 97.62%,相较于未使用迁移学习的VGG16 网络模型,整体提高了23.53%.并且在相同训练参数的设置下,模型比SqueezeNet、Alex-Net、Inceptionv3、MobileNet-v2 以及EfficientNetb0 模型验证精度提高了3.63%～17.38%,收敛速度最快,可基本满足对地面目标的识别.

关键词：无人机、目标识别、迁移学习、VGG16

所属期刊栏目：53

分类号：TP391(计算技术、计算机技术)

资助基金：陕西理工大学科研基金项目SLGRCQD2321

在线出版日期：2023-10-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：44-47,51