10.3969/j.issn.1006-9348.2022.07.014
基于轻量化神经网络的空中目标检测算法
视频卫星是一种空中目标监视的有效方式,受数传站部署的限制,海量视频卫星图像很难实时回传至地面,因此迫切需求发展在轨智能检测方法.空中目标的运动特性对检测算法的实时性要求很高,而星载平台的计算能力受限,所以提出了一种轻量化空中目标检测算法.算法采用YOLO v3基本框架,利用MobileNet v3中的高效卷积模块对其骨干网络进行了改进,一方面将网络体积压缩了 3.2倍,另一方面引入了注意力机制提高了检测精度.在此基础上,将IoU(交并比)加入到边界框回归损失函数中,实现了 2.1%的mAP(平均精度均值)提升.通过实际测试,所提方法在1044×916像素的图像上检测速度最快能达到43.47FPS,平均检测精度(mAP)达到88.9%.
卷积神经网络、轻量化、目标检测、交并比
39
TP183(自动化基础理论)
国家自然科学基金61805283
2022-09-05(万方平台首次上网日期,不代表论文的发表时间)
共5页
70-73,420