基于双支路神经网络的无人机图像识别方法

摘要：

识别无人机是反无人机系统的关键之一.针对提高识别无人机准确率难的问题,提出一种基于双支路并行卷积神经网络(Double Branches Parallel Convolutional Neural Network,DBPCNN)的无人机图像识别方法.首先通过实验设备拍摄获取四旋翼无人机的原始图片并对其进行图像预处理和数据扩增操作,获得能够输入卷积神经网络的无人机图像数据集;其次设计了双支路并行卷积神经网络.网络受Inception模块的启发设计两条并行网络支路,同时在两条支路引入 1×1 的卷积核用作特征图升维,降低网络参数数量.将两条支路的输出结果沿深度方向合并,融合不同感受野的特征图,增加了网络对尺度的适应性;最后运用Python3.7 编程并在硬件设备上进行实验.实验结果表明,DBPCNN网络识别CIFAR-10 数据集的准确率为 84.8%,识别无人机图片的测试集准确率96.7%;两个对比网络识别CIFAR-10 数据集的准确率分别为 84.5%和83.6%,识别无人机图片的测试集准确率分别为 90.5%和 94.3%.实验结果证明DBPCNN网络在无人机图像识别上的可行性.

关键词：无人机、公共安全、图像预处理、卷积神经网络、图像识别

所属期刊栏目：40

分类号：TP183(自动化基础理论)

资助基金：吉林省科技厅重点科技研发项目;吉林省教育厅科学技术研究项目

在线出版日期：2023-08-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：233-238