基于深度特征提取的无人机检测算法

摘要：

随着无人机技术在生产生活中的广泛应用,由其引起的公共安全、隐私保护等问题也日渐突出,因此基于计算机视觉的无人机检测技术逐渐成为当下的研究热点.目前,常用的深度学习目标检测方法如Faster-RCNN、Yolo等在通用的目标检测领域已经可以获得良好的检测性能.但是在无人机检测任务上,由于目标小、边缘设备算力低等限制因素,常用的目标检测算法无法有效地应对这些难题.对此,文中基于轻量级无人机检测网络TIB-Net,引入改进的特征融合模块,将层间特征金字塔模型与像素洗牌方法结合并集成到主干网络,提出了基于深度特征提取的无人机检测算法.该算法不仅通过像素洗牌增强了小目标的细节特征,同时由于层间金字塔的引入,扩大了深度网络的感受野,增强了网络特征提取能力.最终在无人机数据集上进行了测试,对比结果显示该算法对无人机检测的效果有明显提升,最终mAP达到90.4％.

关键词：无人机检测;小目标检测;深度学习;像素洗牌;层间特征金字塔

所属期刊栏目：31

分类号：TP31(计算技术、计算机技术)

资助基金：中央高校基本科研业务费专项资金NZ2019009

在线出版日期：2021-11-23（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：71-75