Changchun Institute of Optics,Fine Mechanics and Physics,CAS
| 基于深度学习的航空对地小目标检测 | |
梁华; 宋玉龙 ; 钱锋; 宋策
| |
| 2018 | |
| 发表期刊 | 液晶与显示
 |
| 期号 | 09页码:793-800 |
| 摘要 | 针对航拍图像中对地小目标识别率低、定位效果差的问题,提出了一种基于深度学习的目标检测算法。该算法利用VGG16网络作为微调网络,并添加部分深层网络,通过提取目标浅层特征与深层特征进行联合训练,克服检测过程中定位与识别相互矛盾的问题。提出把奇异值分解技术应用于卷积特征压缩处理,降低模型的计算与存储需求,并且采用多尺度训练方法以适应航空目标尺度的变化。实验结果表明,在通用数据集PASCAL上可以实现0.76mAP,检测速度达16fps,在专用航空目标数据集UCAS-AOD上可以实现0.63mAP,检测速度达18fps。基本满足对小目标检测精确度的要求,并且检测速度可以接近实时检测效果。 |
| 关键词 | 机器视觉 目标检测 卷积神经网络 卷积特征 |
| 文献类型 | 期刊论文 |
| 条目标识符 | http://ir.ciomp.ac.cn/handle/181722/61376 |
| 专题 | 中国科学院长春光学精密机械与物理研究所 |
| 推荐引用方式 GB/T 7714 | 梁华,宋玉龙,钱锋,等. 基于深度学习的航空对地小目标检测[J]. 液晶与显示,2018(09):793-800. |
| APA | 梁华,宋玉龙,钱锋,&宋策.(2018).基于深度学习的航空对地小目标检测.液晶与显示(09),793-800. |
| MLA | 梁华,et al."基于深度学习的航空对地小目标检测".液晶与显示 .09(2018):793-800. |
| 条目包含的文件 | 条目无相关文件。 | |||||
| 个性服务 |
| 推荐该条目 |
| 保存到收藏夹 |
| 查看访问统计 |
| 导出为Endnote文件 |
| 谷歌学术 |
| 谷歌学术中相似的文章 |
| [梁华]的文章 |
| [宋玉龙]的文章 |
| [钱锋]的文章 |
| 百度学术 |
| 百度学术中相似的文章 |
| [梁华]的文章 |
| [宋玉龙]的文章 |
| [钱锋]的文章 |
| 必应学术 |
| 必应学术中相似的文章 |
| [梁华]的文章 |
| [宋玉龙]的文章 |
| [钱锋]的文章 |
| 相关权益政策 |
| 暂无数据 |
| 收藏/分享 |
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。
修改评论