论文摘要
针对目前应用于机场视频监控中的卷积神经网络方法存在小目标物体识别准确率较低的问题,本文提出了一种基于Faster-RCNN并结合多尺度特征融合与在线难例挖掘的机场场面小目标检测算法。该算法采用ResNet-101作为特征提取网络,并在该网络基础上建立了一个带有上采样的"自顶向下"的特征融合模块,以生成语义信息更加丰富的高分辨率特征图。并在网络训练过程中,采用在线难例挖掘的训练策略使模型更加鲁棒地对小目标样本进行定位。最后,手工构建了一个包含5 982张图片的机场数据集,用于检测模型的训练和测试。结果表明,本文所提出算法显著提升了机场场面小目标物体检测的准确率,且使整体平均检测准确率达到了80.8%,该结果高于其他先进的目标检测模型。
论文目录
文章来源
类型: 期刊论文
作者: 韩松臣,张比浩,李炜,汤新民,付道勇
关键词: 机场场面监视,多尺度特征融合,在线难例挖掘,小目标物体检测
来源: 南京航空航天大学学报 2019年06期
年度: 2019
分类: 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: 四川大学空天科学与工程学院,南京航空航天大学民航学院
基金: 国家重点研发计划专项（2018YFC0809500）资助项目
分类号: V355;TP391.41
DOI: 10.16356/j.1005-2615.2019.06.001
页码: 735-741
总页数: 7
文件大小: 1649K
下载量: 443