文献类型：期刊文章

作　　者：朱槐雨[1] 李博[2]

ZHU Huaiyu;LI Bo(School of Mechanical and Electrical Engineering,University of Electronic Science and Technology of China,Chengdu Sichuan 611731,China;College of Mechanical and Electrical Engineering,University of Electronic Science and Technology of China,Zhongshan Institute,Zhongshan Guangdong 528400,China)

机构地区：[1]电子科技大学机械与电气工程学院,成都611731 [2]电子科技大学中山学院机电工程学院,广东中山528400

出　　处：《计算机应用》

年　　份：2021

卷　　号：41

期　　号：11

起止页码：3234-3241

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CSCD、CSCD_E2021_2022、IC、JST、RCCSE、ZGKJHX、ZMATH、核心刊

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  

分 类 号：TP183]