单阶段多框检测器无人机航拍目标识别方法

摘要：

无人机(UAV)航拍图像视野开阔,图像中的目标较小且边缘模糊,而现有单阶段多框检测器(SSD)目标检测模型难以准确地检测航拍图像中的小目标.为了有效地解决原有模型容易漏检的问题,借鉴特征金字塔网络(FPN)提出了一种基于连续上采样的SSD模型.改进SSD模型将输入图像尺寸调整为320×320,新增Conv3_3特征层,将高层特征进行上采样,并利用特征金字塔结构对VGG16网络前5层特征进行融合,从而增强各个特征层的语义表达能力,同时重新设计先验框的尺寸.在公开航拍数据集UCAS-AOD上训练并验证,实验结果表明,所提改进SSD模型的各类平均精度均值(mAP)达到了94.78％,与现有SSD模型相比,其准确率提升了17.62％,其中飞机类别提升了4.66％,汽车类别提升了34.78％.

关键词：航拍图像;卷积神经网络;目标检测;单阶段多框检测器;特征融合

所属期刊栏目：41

分类号：TP183(自动化基础理论)

在线出版日期：2021-12-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：3234-3241