基于双通道的快速低空无人机检测识别方法

论文摘要

以YOLOv3的架构为基础,提出了一种基于双通道的快速低空无人机检测识别方法（Dual-YOLOv3）。该方法将红外与可见光的无人机图像同时输入到深度残差网络中进行特征提取,对所提取的特征图进行融合以增强特征的表达能力,利用多尺度预测网络对无人机目标进行类别判断和位置回归,得到检测识别结果。在真实采集的双波段无人机数据集上进行对比实验,结果表明,采用平均融合的Dual-YOLOv3-D在mAP（mean of average precision）上较单一数据源的YOLOv3提升了约6.1%,检测速度约为27 s-1。

论文目录

• 1 引 言
• 2 YOLOv3的原理
•   2.1 深度残差网络
•   2.2 多尺度预测网络
• 3 Dual-YOLOv3方案设计及网络结构
•   3.1 总体设计方案
•   3.2 双波段无人机数据集的构建
•     1) 数据的采集
•     2) 数据预处理
•     3) 数据扩增
•     4) 数据集构建
•   3.3 Dual-YOLOv3的网络结构
• 4 实验及结果分析
•   4.1 Dual-YOLOv3网络的训练
•   4.2 测试结果及评价
•     1) 实验一:原始YOLOv3网络与Dual-YOLOv3网络的对比实验
•     2) 实验二:Dual-YOLOv3-D对不同特征融合方式的对比实验
• 5 结 论

文章来源

类型: 期刊论文

作者: 马旗,朱斌,程正东,张杨

关键词: 图像处理,双通道卷积神经网络,低空无人机,特征融合,目标检测

来源: 光学学报 2019年12期

年度: 2019

分类: 基础科学,工程科技Ⅱ辑,信息科技

专业: 航空航天科学与工程,计算机软件及计算机应用

单位: 国防科技大学电子对抗学院脉冲功率激光技术国家重点实验室

分类号: V279;TP391.41

页码: 105-115

总页数: 11

文件大小: 6227K

下载量: 315