期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
动态大视角场景融合帧间信息与模板匹配的低慢小无人机目标检测
被引量：
6
1
作者
孙备
孙晓永
+2 位作者
钱翰翔
郭润泽
苏绍璟
《仪器仪表学报》
EI
CAS
CSCD
北大核心
2024年第7期64-74,共11页
为了提升动态大视角场景下对极小像素的低慢小无人机目标探测能力,本文提出了融合帧间信息与模板匹配的检测方法。首先,设计了一种动态信息提取模块,通过滤除背景信息干扰,引导算法关注动态变化的小目标区域;其次,提出多模板匹配策略对...
为了提升动态大视角场景下对极小像素的低慢小无人机目标探测能力,本文提出了融合帧间信息与模板匹配的检测方法。首先,设计了一种动态信息提取模块,通过滤除背景信息干扰,引导算法关注动态变化的小目标区域;其次,提出多模板匹配策略对筛选出的动态区域进行相似度判断,完成无人机目标检测;最后,在天空、山地、楼宇等不同背景下,按照不同尺寸、不同模态进行了无人机目标检测实验。结果表明,本文方法可有效弥补深度学习方法对大视角极小像素目标检测的不足,对低慢小目标检测准确率达到0.81,虚警率为0.06,在像素占比不小于0.01%数据集上准确率能达到0.70。该方法适应可见光、红外多种模态数据处理,可满足后续多种智能算法组合探测应用。
展开更多
关键词
动态场景
低慢小无人机探测
动态提取
空间匹配
极小像素检测
在线阅读
下载PDF
职称材料
复杂背景干扰下基于时空关联的低慢小红外目标检测方法
2
作者
卜德森
苏绍璟
+2 位作者
王迎龙
孙备
孙晓永
《仪器仪表学报》
北大核心
2025年第5期183-194,共12页
为了提升复杂背景干扰下对低慢小无人机红外目标探测能力,提出了一种复杂背景干扰下基于时空关联的低慢小红外目标检测方法。首先,在单帧静态目标检测研究方法上,基于YOLOv8检测算法改进,通过引入无跨步卷积层和P2小目标检测头,解决下...
为了提升复杂背景干扰下对低慢小无人机红外目标探测能力,提出了一种复杂背景干扰下基于时空关联的低慢小红外目标检测方法。首先,在单帧静态目标检测研究方法上,基于YOLOv8检测算法改进,通过引入无跨步卷积层和P2小目标检测头,解决下采样环节带来的小目标检测细粒度信息丢失问题并提高了小目标检测能力;其次,在动态轨迹预测研究方法上,通过引入卡尔曼滤波算法实现无人机目标轨迹预测;最后将单帧静态目标检测方法和基于卡尔曼滤波的动态轨迹预测关联,实现当低慢小无人机目标检测信息丢失时,依据置信度判别切换动态轨迹预测方法持续获取目标位置,实现在同一序列中对目标的帧间信息进行对齐,并完成帧间信息的交互,在时间维度上建立关联。实验结果表明,改进的单帧静态目标检测算法YOLOv8-P2-SPD平均精度mAP@0.5达到了86.8%,在云层、山地和楼宇等复杂背景下,提出的基于时空关联的低慢小红外目标检测方法相比单独使用单帧静态目标检测算法精确率可以提高12.1%,查全率可以提高12.2%。该方法可以有效弥补深度学习方法对复杂背景干扰下低慢小目标检测的不足,适用于复杂干扰背景下的低慢小目标检测。
展开更多
关键词
时空关联
低慢小无人机探测
YOLOv8
卡尔曼滤波
在线阅读
下载PDF
职称材料
题名
动态大视角场景融合帧间信息与模板匹配的低慢小无人机目标检测
被引量：
6
1
作者
孙备
孙晓永
钱翰翔
郭润泽
苏绍璟
机构
国防科技大学智能科学学院
出处
《仪器仪表学报》
EI
CAS
CSCD
北大核心
2024年第7期64-74,共11页
基金
国家自然科学基金(52101377)项目资助。
文摘
为了提升动态大视角场景下对极小像素的低慢小无人机目标探测能力,本文提出了融合帧间信息与模板匹配的检测方法。首先,设计了一种动态信息提取模块,通过滤除背景信息干扰,引导算法关注动态变化的小目标区域;其次,提出多模板匹配策略对筛选出的动态区域进行相似度判断,完成无人机目标检测;最后,在天空、山地、楼宇等不同背景下,按照不同尺寸、不同模态进行了无人机目标检测实验。结果表明,本文方法可有效弥补深度学习方法对大视角极小像素目标检测的不足,对低慢小目标检测准确率达到0.81,虚警率为0.06,在像素占比不小于0.01%数据集上准确率能达到0.70。该方法适应可见光、红外多种模态数据处理,可满足后续多种智能算法组合探测应用。
关键词
动态场景
低慢小无人机探测
动态提取
空间匹配
极小像素检测
Keywords
dynamic scenes
low slow small UAV detection
dynamic extraction
template matching
small pixel detection
分类号
TP391.4 [自动化与计算机技术—计算机应用技术]
TH865 [机械工程—精密仪器及机械]
在线阅读
下载PDF
职称材料
题名
复杂背景干扰下基于时空关联的低慢小红外目标检测方法
2
作者
卜德森
苏绍璟
王迎龙
孙备
孙晓永
机构
国防科技大学智能科学学院
出处
《仪器仪表学报》
北大核心
2025年第5期183-194,共12页
文摘
为了提升复杂背景干扰下对低慢小无人机红外目标探测能力,提出了一种复杂背景干扰下基于时空关联的低慢小红外目标检测方法。首先,在单帧静态目标检测研究方法上,基于YOLOv8检测算法改进,通过引入无跨步卷积层和P2小目标检测头,解决下采样环节带来的小目标检测细粒度信息丢失问题并提高了小目标检测能力;其次,在动态轨迹预测研究方法上,通过引入卡尔曼滤波算法实现无人机目标轨迹预测;最后将单帧静态目标检测方法和基于卡尔曼滤波的动态轨迹预测关联,实现当低慢小无人机目标检测信息丢失时,依据置信度判别切换动态轨迹预测方法持续获取目标位置,实现在同一序列中对目标的帧间信息进行对齐,并完成帧间信息的交互,在时间维度上建立关联。实验结果表明,改进的单帧静态目标检测算法YOLOv8-P2-SPD平均精度mAP@0.5达到了86.8%,在云层、山地和楼宇等复杂背景下,提出的基于时空关联的低慢小红外目标检测方法相比单独使用单帧静态目标检测算法精确率可以提高12.1%,查全率可以提高12.2%。该方法可以有效弥补深度学习方法对复杂背景干扰下低慢小目标检测的不足,适用于复杂干扰背景下的低慢小目标检测。
关键词
时空关联
低慢小无人机探测
YOLOv8
卡尔曼滤波
Keywords
spatio-temporal correlation
low and slow small UAV detection
YOLOv8
Kalman filter
分类号
TP391.4 [自动化与计算机技术—计算机应用技术]
TH865 [机械工程—精密仪器及机械]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
动态大视角场景融合帧间信息与模板匹配的低慢小无人机目标检测
孙备
孙晓永
钱翰翔
郭润泽
苏绍璟
《仪器仪表学报》
EI
CAS
CSCD
北大核心
2024
6
在线阅读
下载PDF
职称材料
2
复杂背景干扰下基于时空关联的低慢小红外目标检测方法
卜德森
苏绍璟
王迎龙
孙备
孙晓永
《仪器仪表学报》
北大核心
2025
0
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
