文献类型：期刊文章

作　　者：辛鹏[1] 许悦雷[1] 马时平[1] 李帅[1] 吕超[2]

XIN Peng;XU Yuelei;MA Shiping;LI Shuai;hU Chao(Institute of Aeronautics and Astronautics Engineering,Air Force Engineering Univ.,Xi’an 710038,China;Unit 95876 of PLA,Zhangyc 734100,China)

机构地区：[1]空军工程大学航空航天工程学院 [2]中国人民解放军95876部队

出　　处：《西安电子科技大学学报》

基　　金：国家自然科学基金资助项目(61372167;61379104)

年　　份：2018

卷　　号：45

期　　号：3

起止页码：102-108

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CAS、CSA、CSA-PROQEUST、CSCD、CSCD2017_2018、EI、IC、INSPEC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：针对传统机场检测方法准确率低、虚警率高、耗时长等问题,借鉴深度卷积神经网络的架构,提出一种改进的区域提取网络和自适应池化网络结合的机场快速检测方法.将二分类网络引入区域提取网络以筛除一些定位较差的候选区域和背景区域,结合自适应池化的检测网络对机场候选区域进行识别,通过复用网络结构和学习的特征参数来达到快速检测的目的.仿真结果表明,与两种典型的机场检测方法相比,所提方法在测试集上取得更高准确率和更低虚警率的同时,极大地提高了检测速度,达到了精准、快速检测机场的目的.

关 键 词：机场检测 卷积神经网络 区域提取网络  自适应池化  

分 类 号：TN957.52] TP183]