一种基于Gabor深度学习的无人机目标检测算法

论文摘要

随着智能控制技术的不断成熟,无人机给军事领域带来快速发展的同时也带来了威胁.因此针对空中飞行的无人机进行实时检测的任务需求,设计了一种基于Gabor深度学习的无人机目标检测算法.首先,搭建基于Gabor滤波器的深度神经网络,输入的图片经过该网络进行网格化划分,用以特征提取;然后,针对每个格子的特征利用回归算法计算其中物体的位置信息,并利用分类算法计算物体的类别信息,对以上得到的回归和分类结果进行筛选、融合得到最终的检测结果;最后,采集空中飞行的无人机真实数据构建数据集,在此基础上进行网络模型训练和算法验证.

论文目录

• 0 引言
• 1 基于Gabor的深度卷积神经网络结构设计
•   1.1 Gabor滤波器的原理
•   1.2 基于Gabor的深度神经网络结构
• 2 基于提取的物体特征计算预测信息
•   2.1 预测边框位置信息的处理
•   2.2 损失函数的建立
• 3 实验及算法验证分析
•   3.1 数据集的构建
•   3.2 算法的指标变化
•   3.3 基于Gabor神经网络的检测结果
•   3.4 目标检测效果对比
• 4 结论

文章来源

类型: 期刊论文

作者: 张锡联,段海滨

关键词: 滤波器,无人机,深度学习,目标检测

来源: 空间控制技术与应用 2019年04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,自动化技术

单位: 北京航空航天大学自动化科学与电气工程学院,鹏城实验室

基金: 国家自然科学基金(91648205),航空科学基金资助项目(20185851022)~~

分类号: V279;TP18

页码: 38-45

总页数: 8

文件大小: 2364K

下载量: 261