基于单阶段半监督目标检测的建筑工人检测算法

1

作者 方莉 赵志峰 +2 位作者 严铮 戴振国 陈国栋 《微电子学与计算机》 2025年第2期20-30,共11页

建筑工人目标检测对于提升建筑施工安全具有重要的应用价值。随着智慧工地的推广,施工区域的视频监控覆盖率不断增加,获取大量未标注的建筑工人图像变得更为便捷,而有标注数据图像依然稀缺而昂贵。半监督学习方法是解决有标注数据缺乏... 建筑工人目标检测对于提升建筑施工安全具有重要的应用价值。随着智慧工地的推广,施工区域的视频监控覆盖率不断增加,获取大量未标注的建筑工人图像变得更为便捷,而有标注数据图像依然稀缺而昂贵。半监督学习方法是解决有标注数据缺乏问题的有效办法。然而,施工环境中存在着环境混乱、目标遮挡以及监控画面可视度低等问题,导致半监督目标检测模型在伪标签生成阶段难以平衡数量与质量。已有的半监督目标检测算法大多基于两阶段目标检测模型设计,未能满足对建筑工人检测实时性的要求。为了解决上述问题,提出了一种针对施工场景设计的单阶段半监督建筑工人目标检测算法。首先,将半监督目标检测应用于建筑工人目标检测任务,有效解决了标注数据缺乏的问题。其次,提出软阈值优化方法,为低置信样本分配权重,从而扩充伪标签的数量。接着,引入图像信息熵概念来评估样本检测难度,并提出自适应阈值选择算法以根据样本难度调整伪标签的阈值,进而提高训练初期的伪标签质量。最后,通过增加残差特征金字塔网络和上下文增强模块提升对小目标的检测能力。实验证明,在自建的施工区域建筑工人检测数据集上,所提出的算法在解决单阶段半监督建筑工人目标检测问题方面表现出显著优势。 展开更多

关键词 建筑工人目标检测 半监督目标检测 数量质量权衡 单阶段目标检测

在线阅读 下载PDF 职称材料

基于单阶段网络模型的目标检测改进算法 被引量：9

2

作者 王燕妮 刘祥 刘江 《探测与控制学报》 CSCD 北大核心 2021年第2期56-62,68,共8页

针对目前单阶段目标检测算法中存在的误检、漏检以及检测精度不够高等问题,提出一种基于单阶段网络模型的目标检测改进算法。该算法使用深度残差网络对基础网络进行替换,提取更优秀的特征;增加一层用于检测小目标的底层特征图;结合反卷... 针对目前单阶段目标检测算法中存在的误检、漏检以及检测精度不够高等问题,提出一种基于单阶段网络模型的目标检测改进算法。该算法使用深度残差网络对基础网络进行替换,提取更优秀的特征;增加一层用于检测小目标的底层特征图;结合反卷积和特征融合的方法,对提取出的高层特征图与底层特征图进行融合,使新的特征图中包含更丰富的上下文信息;设计更密集的检测框且在每层卷积层后都添加批规范化操作以提升模型训练速度,防止过拟合。仿真实验结果表明,改进算法在PASCAL VOC2007数据集上较原始算法检测精度提升1.3%,检测效果更加准确,同时改进算法显著改善了误检、漏检等问题;但由于网络复杂度过高,导致检测速度有所下降。 展开更多

关键词 目标检测 单阶段多框目标检测 深度残差网络 特征融合

在线阅读 下载PDF 职称材料

特征增强的单阶段遥感图像目标检测模型 被引量：6

3

作者 汪西莉 梁敏 刘涛 《西安电子科技大学学报》 EI CAS CSCD 北大核心 2022年第3期160-170,共11页

随着卷积神经网络的发展,遥感图像目标检测性能提升明显,但场景的复杂性和目标大小、形态的多样性依然对目标检测带来挑战。针对复杂情况下不同大小目标的检测问题进行研究。特征金字塔结构是解决不同大小目标检测的有效方法,但其逐层... 随着卷积神经网络的发展,遥感图像目标检测性能提升明显,但场景的复杂性和目标大小、形态的多样性依然对目标检测带来挑战。针对复杂情况下不同大小目标的检测问题进行研究。特征金字塔结构是解决不同大小目标检测的有效方法,但其逐层传递特征的方式可能产生特征丢失问题,故提出跳跃连接特征金字塔模块来增强特征金字塔结构中各层特征的语义和细节信息。同时,使用位置注意力强化目标区域特征是提升目标检出率的有效方法,并有助于复杂场景下目标的检测,但现有的位置注意力往往同时强化了不精确的预测结果,对最终预测结果产生干扰。为此提出基于锚框的位置注意力模块,强化更可能产生精确预测结果的特征区域。将跳跃连接特征金字塔模块和基于锚框的位置注意力模块嵌入到RetinaNet模型中,形成端到端的特征增强的单阶段遥感图像目标检测模型FENet(Feature Enhanced Network)。针对复杂的遥感影像目标检测进行实验,在UCAS-AOD数据集上FENet模型mAP比FAN(Face Attention Network)高1.78%,在RSOD数据集上比FAN模型提升了1.48%,且超越了其他先进模型。此外,FENet在单块Titan X GPU上对800×800图像的测试时间是0.058 s。实验结果表明,与同类模型相比,所提模型增强了目标的特征提取能力,进而提升了检测性能。 展开更多

关键词 遥感图像 特征金字塔 位置注意力 锚框 单阶段目标检测

在线阅读 下载PDF 职称材料

基于多尺度混合模型多特征融合的单目标跟踪 被引量：2

4

作者 鲁琴 肖晶晶 罗武胜 《光电工程》 CAS CSCD 北大核心 2016年第7期16-21,共6页

为实现高动态环境中的目标跟踪,本文提出了一种基于多尺度混合模型多特征融合的单目标跟踪算法。该算法自适应提取并融合多种图像特征从而实现复杂环境中的目标实时跟踪。针对图像目标的高动态特性及环境遮挡等问题,算法通过计算当前观... 为实现高动态环境中的目标跟踪,本文提出了一种基于多尺度混合模型多特征融合的单目标跟踪算法。该算法自适应提取并融合多种图像特征从而实现复杂环境中的目标实时跟踪。针对图像目标的高动态特性及环境遮挡等问题,算法通过计算当前观测样本的置信度完成模板的自适应更新。利用国际计算机视觉学会目标跟踪数据库中具有典型特征的十个标准视频对跟踪算法进行测试。测试结果表明,在高动态环境及目标存在大变形情况下,本文提出的跟踪算法比同类算法的跟踪精度有显著提高。 展开更多

关键词 单目标跟踪 多尺度混合模型 多特征融合

在线阅读 下载PDF 职称材料

基于分组注意力和高斯多尺度的目标检测方法研究 被引量：1

5

作者 邓续方 吴强 周文正 《无线电工程》 2024年第2期294-301,共8页

针对现有目标检测网络在特征提取以及多尺度融合方面存在的局限,将分组卷积与高斯金字塔引入深层神经网络中,设计了一种基于分组注意力机制和高斯多尺度融合的目标检测方法。该方法利用图像灰度化、直方图均衡化丰富输入信息,降低光照影... 针对现有目标检测网络在特征提取以及多尺度融合方面存在的局限,将分组卷积与高斯金字塔引入深层神经网络中,设计了一种基于分组注意力机制和高斯多尺度融合的目标检测方法。该方法利用图像灰度化、直方图均衡化丰富输入信息,降低光照影响;构建双阶段特征提取结构,采用深度可分离卷积初步提取目标特征后再利用分组注意力结构提升关键信息权重,进一步提炼目标特征;为充分捕获目标多尺度信息,设计了高斯多尺度结构,将不同维度的特征自适应融合后构建高斯金字塔特征,与对应尺度特征联合实现目标检测。通过在ImageNet、MS COCO、PASCAL VOC三个公开标准数据集上的实验结果表明,所提方法目标信息丰富,有效特征提取以及网络尺度不变性都有较大改善,在复杂场景下也具有较高的鲁棒性和泛化能力。 展开更多

关键词 目标检测 深层神经网络 双阶段特征提取 分组注意力 高斯多尺度

在线阅读 下载PDF 职称材料

基于深度学习的单阶段目标检测算法研究综述 被引量：47

6

作者 刘俊明 孟卫华 《航空兵器》 CSCD 北大核心 2020年第3期44-53,共10页

近年来,深度学习技术推动目标检测算法取得了突破式进展。基于深度学习的目标检测算法可分为两阶段检测算法和单阶段检测算法。相比两阶段检测算法,单阶段检测算法的结构简单、计算高效,同时具备不错的检测精度,在实时目标检测领域中具... 近年来,深度学习技术推动目标检测算法取得了突破式进展。基于深度学习的目标检测算法可分为两阶段检测算法和单阶段检测算法。相比两阶段检测算法,单阶段检测算法的结构简单、计算高效,同时具备不错的检测精度,在实时目标检测领域中具有较高的研究和应用价值。本文首先回顾了单阶段检测算法的发展历史,分析总结了相关算法的优缺点,然后归纳提出了单阶段目标检测算法的通用框架,接着对框架中的特征提取模块和检测器进行了深入分析,指出了其对算法性能的影响,最后对单阶段检测算法的发展趋势进行了展望。 展开更多

关键词 深度学习 单阶段目标检测算法 特征提取 特征融合 ANCHOR 损失函数 人工智能

在线阅读 下载PDF 职称材料

一种改进的基于单高斯模型的红外异常目标检测算法 被引量：3

7

作者 宋珊珊 翟旭平 《红外技术》 CSCD 北大核心 2021年第9期885-888,894,共5页

基于单高斯模型的红外异常目标检测算法是一种常见的能自适应更新背景模型的检测算法。该算法对各个像素的输出响应进行高斯建模,通过设定的阈值确定目标像素点是否为前景像素点,从而达到检测的目的。本文在单高斯模型的基础上,提出一... 基于单高斯模型的红外异常目标检测算法是一种常见的能自适应更新背景模型的检测算法。该算法对各个像素的输出响应进行高斯建模,通过设定的阈值确定目标像素点是否为前景像素点,从而达到检测的目的。本文在单高斯模型的基础上,提出一种改进的异常检测算法,该算法利用奈曼-皮尔逊准则选取最佳阈值,克服了根据经验值选取阈值的局限性,为最佳判决阈值的选取奠定了理论基础,使得在虚假率一定的情况下,检测概率达到最高。实验证明,将常见的经验阈值与本文确定阈值进行比较,本文算法确定的阈值检测效果更佳。 展开更多

关键词 红外成像 目标检测 单高斯模型 奈曼-皮尔逊准则

在线阅读 下载PDF 职称材料

基于改进YOLOv3的单阶段目标检测算法 被引量：5

8

作者 刘建男 聂凯 《电光与控制》 CSCD 北大核心 2021年第9期30-33,69,共5页

针对目标检测领域对高检测精度和高检测速度共存的需求,提出了一种单阶段目标检测算法即性能平衡的YOLO算法(B-YOLO),该算法首先引入空间注意力机制,利用多尺度最大池化层增大感受野范围;然后采用跨阶段局部连接结构和直通层优化主干网... 针对目标检测领域对高检测精度和高检测速度共存的需求,提出了一种单阶段目标检测算法即性能平衡的YOLO算法(B-YOLO),该算法首先引入空间注意力机制,利用多尺度最大池化层增大感受野范围;然后采用跨阶段局部连接结构和直通层优化主干网络结构,改善计算效率;最后在多尺度检测结构中增加自下而上的路径,并使用拼接操作进行横向连接,融合深层语义信息和浅层位置信息。实验结果表明,该算法在精度和速度之间取得了较好的平衡。 展开更多

关键词 目标检测 深度卷积神经网络 YOLOv3算法 单阶段 空间注意力机制 多尺度检测

在线阅读 下载PDF 职称材料

基于优化预测定位的单阶段目标检测算法 被引量：6

9

作者 张娜 戚旭磊 +3 位作者 包晓安 吴彪 涂小妹 金瑜婷 《浙江大学学报（工学版）》 EI CAS CSCD 北大核心 2022年第4期783-794,共12页

针对单阶段多边框检测(SSD)算法中存在目标定位不准确和小目标检测精度不高的问题,提出基于优化预测定位的单阶段目标检测算法EL-SSD.通过双向加权特征金字塔将原SSD预测特征图特征融合,对输出特征图进行特征位置信息解码后进行特征通... 针对单阶段多边框检测(SSD)算法中存在目标定位不准确和小目标检测精度不高的问题,提出基于优化预测定位的单阶段目标检测算法EL-SSD.通过双向加权特征金字塔将原SSD预测特征图特征融合,对输出特征图进行特征位置信息解码后进行特征通道权重再分配,提升了特征语义信息,捕获了跨通道位置信息.通过构建分类置信度及额外的定位置信度级联聚类对预测框进行非极大值抑制,提高在检测阶段对选择目标的定位精度.实验结果表明,EL-SSD算法在PASCAL VOC2007上的平均检测均值达到79.8%,比原SSD算法提高了2.6%.在COCO数据集上的精度达到29.4%,比原SSD算法提高了3.5%,在检测图片上的目标定位效果及小目标检测效果明显优于SSD,适用于需要高定位性能的实时应用场景. 展开更多

关键词 目标检测 单阶段多边框检测算法 特征融合 非极大值抑制 定位置信度

在线阅读 下载PDF 职称材料

基于改进YOLOv4网络的红外遥感小目标检测方法

10

作者 马玉磊 钟潇柔 《电子器件》 CAS 2024年第4期1107-1115,共9页

针对传统检测方法对红外小目标检测性能不足的问题,提出一种基于迁移学习与改进YOLOv4网络的红外小目标检测系统。首先,对YOLOv4网络主干网提取的浅层特征进行增强,并结合深层特征与浅层特征来缓解红外小目标难以检测的问题;其次,为YOL... 针对传统检测方法对红外小目标检测性能不足的问题,提出一种基于迁移学习与改进YOLOv4网络的红外小目标检测系统。首先,对YOLOv4网络主干网提取的浅层特征进行增强,并结合深层特征与浅层特征来缓解红外小目标难以检测的问题;其次,为YOLOv4网络的检测头模块增加注意力机制,使网络关注于特征图中的红外小目标,从而降低背景对小目标检测的干扰;最终,在YOLOv4网络的训练过程中加入迁移学习方法,从而解决红外小目标标注训练数据不足的问题。基于公开红外小目标检测数据集的实验结果表明,该系统有效提高了YOLOv4网络对红外小目标的检测性能,且优于其他的对比检测模型。 展开更多

关键词 深度学习 红外遥感 目标检测 迁移学习 深度神经网络 单阶段检测模型

在线阅读 下载PDF 职称材料

基于改进YOLOv8模型的井下人员入侵带式输送机危险区域智能识别

11

作者 毛清华 苏毅楠 +3 位作者 贺高峰 翟姣 王荣泉 尚新芒 《工矿自动化》 北大核心 2025年第1期11-20,103,共11页

针对煤矿带式输送机场景存在尘雾干扰严重、背景环境复杂、人员尺度多变且易遮挡等因素导致人员入侵危险区域识别准确率不高等问题,提出一种基于改进YOLOv8模型的井下人员入侵带式输送机危险区域智能识别系统。改进YOLOv8模型通过替换... 针对煤矿带式输送机场景存在尘雾干扰严重、背景环境复杂、人员尺度多变且易遮挡等因素导致人员入侵危险区域识别准确率不高等问题,提出一种基于改进YOLOv8模型的井下人员入侵带式输送机危险区域智能识别系统。改进YOLOv8模型通过替换主干网络C2f模块为C2fER模块,加强模型的细节特征提取能力,提升模型对小目标人员的识别性能;通过在颈部网络引入特征强化加权双向特征金字塔网络(FE-BiFPN)结构,提高模型的特征融合能力,从而提升模型对多尺度人员目标的识别效果;通过引入分离增强注意力模块(SEAM)增强模型在复杂背景下对局部特征的关注度,提升模型对遮挡目标人员的识别能力;通过引入WIoU损失函数增强训练效果,提升模型识别准确率。消融实验结果表明:改进YOLOv8模型的准确率较基线模型YOLOv8s提升2.3%,mAP@0.5提升3.4%,识别速度为104帧/s。人员识别实验结果表明:与YOLOv10m,YOLOv8s-CA、YOLOv8s-SPDConv和YOLO8n模型相比,改进YOLOv8模型对小目标、多尺度目标、遮挡目标的识别效果均更佳,识别准确率为90.2%,mAP@0.5为87.2%。人员入侵危险区域实验结果表明:井下人员入侵带式输送机危险区域智能识别系统判别人员入侵危险区域的平均准确率为93.25%,满足识别需求。 展开更多

关键词 煤矿带式输送机 人员入侵危险区域 YOLOv8模型 遮挡目标检测 小目标检测 多尺度融合 C2fER模块 特征强化加权双向特征金字塔网络结构

在线阅读 下载PDF 职称材料

基于多尺度语义网络的红外舰船目标检测 被引量：1

12

作者 陈初侠 丁勇 《红外技术》 CSCD 北大核心 2022年第5期529-536,共8页

为了增强舰船检测的抗干扰性能,本文提出了一种有效且稳定的单阶段舰船检测网络,该网络主要由3个模块组成:特征优化模块,特征金字塔融合模块和上下文增强模块,其中特征优化模块是提取多尺度上下文信息,并进一步细化和增强顶层特征输入特... 为了增强舰船检测的抗干扰性能,本文提出了一种有效且稳定的单阶段舰船检测网络,该网络主要由3个模块组成:特征优化模块,特征金字塔融合模块和上下文增强模块,其中特征优化模块是提取多尺度上下文信息,并进一步细化和增强顶层特征输入特性,增强弱小目标检测性能;特征金字塔融合模块能够生成表征能力更强的语义信息;上下文增强模块则是整合局部和全局特征增强网络特征表达能力,以降低复杂背景对检测性影响,平衡前景和背景的不均衡差异,消除鱼鳞波的影响。为了验证本文所提方法的有效性和鲁棒性,本文对自建的舰船数据集进行了定性定量验证。实验结果表明,相比现有最新基准对比模型,本文所提网络在自建数据集上均达到了最优性能,在不增加复杂度的情况下极大提升了检测精度。 展开更多

关键词 目标检测 红外舰船 单阶段网络 金字塔池化 上下文增强

在线阅读 下载PDF 职称材料

基于残差单发多框检测器模型的交通标志检测与识别 被引量：9

13

作者 张淑芳 朱彤 《浙江大学学报（工学版）》 EI CAS CSCD 北大核心 2019年第5期940-949,共10页

针对现有目标检测方法仅适用于大尺寸、少量特定种类交通标志的检测,且对复杂交通场景图像检测效果不佳的问题,以抗退化性能较强的ResNet101为基础网络,增加若干卷积层构建残差单发多框检测器(SSD)模型,对高分辨率的交通图像进行多尺度... 针对现有目标检测方法仅适用于大尺寸、少量特定种类交通标志的检测,且对复杂交通场景图像检测效果不佳的问题,以抗退化性能较强的ResNet101为基础网络,增加若干卷积层构建残差单发多框检测器(SSD)模型,对高分辨率的交通图像进行多尺度分块检测。为了加快检测速度,采取由粗到精的策略,省略对纯背景图像块的预测.利用中等尺度图像块的初检结果缩小目标范围;对目标范围内的其他图像块进行检测;将所有图像块结果映射回原图像,并结合非极大值抑制实现精准识别。实验结果表明,该模型在公开的交通标志数据集Tsinghua-Tencent 100K上取得了94%的总体准确率和95%的总体召回率,对多分辨率图像中不同大小和形态的交通标志都具有良好的检测能力,鲁棒性较强。 展开更多

关键词 交通标志 残差单发多框检测器(SSD)模型 多尺度分块 检测 由粗到精

在线阅读 下载PDF 职称材料

基于深度卷积神经网络的目标检测算法进展 被引量：29

14

作者 张索非 冯烨 吴晓富 《南京邮电大学学报（自然科学版）》 北大核心 2019年第5期72-80,共9页

目标检测是计算视觉领域一个重要的研究方向,主要解决了图像中各种目标的分类和定位等视觉基本问题。由于近年来深度学习特别是深度卷积神经网络研究的兴起,各类基于神经网络的目标检测算法不断地刷新标准检测数据集的最好性能成绩。文... 目标检测是计算视觉领域一个重要的研究方向,主要解决了图像中各种目标的分类和定位等视觉基本问题。由于近年来深度学习特别是深度卷积神经网络研究的兴起,各类基于神经网络的目标检测算法不断地刷新标准检测数据集的最好性能成绩。文中主要分析比较了几种目前主流的基于卷积神经网络的目标检测算法,包括各种两阶段检测器(RCNN,Fast RCNN,Faster RCNN,Mask RCNN,TridentNet)以及单阶段检测器(YOLO,SSD,CornerNet,ExtremeNet)。文中首先介绍了评价目标检测算法常用的数据集以及对应的性能评价指标,然后对上述检测算法的具体实现方式逐一进行分析。最终,在几个检测数据集上我们对不同算法进行实验复现并综合比较了其性能。实验结果表明,主流的检测算法在速度以及性能方面各有侧重点,需要根据实际场景进行选择和权衡。 展开更多

关键词 目标检测 卷积神经网络 两阶段检测器 单阶段检测器

在线阅读 下载PDF 职称材料

基于深度学习的目标检测综述 被引量：28

15

作者 卢健 何金鑫 +1 位作者 李哲 周嫣然 《电光与控制》 CSCD 北大核心 2020年第5期56-63,共8页

基于深度学习技术的目标检测是通过人工神经网络提取和学习目标多层次特征,并送入分类器中预测目标的类别与位置。根据模型训练方式可分为单阶段检测算法和二阶段检测算法两种类型。对各阶段类型代表性算法进行了详细的介绍,并在PASCAL ... 基于深度学习技术的目标检测是通过人工神经网络提取和学习目标多层次特征,并送入分类器中预测目标的类别与位置。根据模型训练方式可分为单阶段检测算法和二阶段检测算法两种类型。对各阶段类型代表性算法进行了详细的介绍,并在PASCAL VOC数据集上进行了比较和分析。最后,对发展趋势进行了展望。 展开更多

关键词 目标检测 深度学习 单阶段检测 二阶段检测

在线阅读 下载PDF 职称材料

轻量化无人机遥感图像小目标检测算法 被引量：5

16

作者 张上 张岳 +1 位作者 王恒涛 王杰 《无线电工程》 北大核心 2023年第10期2329-2336,共8页

无人机遥感图像背景环境复杂,检测目标密集。针对无人机遥感图像小目标检测误检率和漏检率高的问题,提出了一种基于YOLOv5的轻量化目标检测算法——LUSS-YOLO。设计了一种新的网络结构——LUSS-YOLO来重构特征提取网络与特征融合网络,... 无人机遥感图像背景环境复杂,检测目标密集。针对无人机遥感图像小目标检测误检率和漏检率高的问题,提出了一种基于YOLOv5的轻量化目标检测算法——LUSS-YOLO。设计了一种新的网络结构——LUSS-YOLO来重构特征提取网络与特征融合网络,使其能够适应无人机遥感目标检测;使用EIoU损失函数,强调高质量样本权重以加速收敛,提高回归精度;使用VariFocal Loss训练算法网络结构,使IACS回归,从而在加速收敛的同时提高精度。实验结果表明,经过模型优化后,算法精度提升了6.4%;模型容量压缩至5.6 MB,相较原模型大幅下降;参数量相比原模型下降74.6%。相较于其他经典算法与先进算法,LUSS-YOLO在各方面表现出色,满足针对无人机遥感小目标的实时检测要求。 展开更多

关键词 目标检测 多尺度融合 模型轻量化 YOLOv5 EIoU VariFocal Loss

在线阅读 下载PDF 职称材料

基于深度学习的遥感图像目标检测方法研究

17

作者 刘伟堂 《信息技术》 2023年第4期23-28,共6页

针对目标小、分布集中的目标遥感图像检测准确率低、性能差等问题,提出了具有自学习能力的深度学习遥感图像目标检测方法,引入注意力机制进行多尺度多分辨率的特征自学习及融合挖掘,改进多尺度单阶段网络目标检测模型SSD的多层特征模块... 针对目标小、分布集中的目标遥感图像检测准确率低、性能差等问题,提出了具有自学习能力的深度学习遥感图像目标检测方法,引入注意力机制进行多尺度多分辨率的特征自学习及融合挖掘,改进多尺度单阶段网络目标检测模型SSD的多层特征模块,在模型训练阶段采用改进的感知损失函数避免样本差异过大造成的不均衡问题。实验阶段,对原始SSD算法、FPN算法进行比对实验,文中提出算法的准确率提升在6%~8.6%,速度上也有了明显的改观。结果显示,文中提出的算法对于目标检测具有更好的检测效果,有一定的研究价值。 展开更多

关键词 多尺度单阶段目标检测模型 特征图金字塔 注意力机制 遥感图像 目标检测

在线阅读 下载PDF 职称材料

基于改进YOLOv4的无人机目标检测方法 被引量：13

18

作者 田港 张鹏 +1 位作者 邹金霖 赵晓林 《空军工程大学学报（自然科学版）》 CSCD 北大核心 2021年第4期9-14,共6页

针对无人机平台由于内存、算力有限而导致检测模型部署困难、检测速度降低的问题,提出了一种基于YOLOv4的改进模型。首先,为了减小模型内存占用、节省计算资源,根据目标尺寸特点,对YOLOv4原模型的预测层进行了改进,将三尺度检测模型改... 针对无人机平台由于内存、算力有限而导致检测模型部署困难、检测速度降低的问题,提出了一种基于YOLOv4的改进模型。首先,为了减小模型内存占用、节省计算资源,根据目标尺寸特点,对YOLOv4原模型的预测层进行了改进,将三尺度检测模型改进为双尺度检测模型;其次,对双尺度检测模型进行正常训练,然后将其BN层的缩放因子进行稀疏训练,最后通过裁剪一定比例的通道数以再次减小模型内存占用提升检测速度。实验分析表明,在与原模型检测效果基本一样的情况下,最终改进模型的内存占用减少了60%,仅103 M,FPS提升了35%,达到了58帧/s。 展开更多

关键词 无人机 目标检测 YOLOv4 中小目标 双尺度检测模型 通道裁剪

在线阅读 下载PDF 职称材料

基于图像序列的VideoSAR动目标检测方法 被引量：11

19

作者 聊蕾 左潇丽 +1 位作者 云涛 朱岱寅 《雷达科学与技术》 北大核心 2016年第6期563-567,573,共6页

VideoSAR成像时,运动目标发生散焦和移位,但在其真实位置留下阴影,且阴影在VideoSAR的图像序列中发生运动。根据运动目标的这个特征,提出了一种在VideoSAR图像序列中检测运动目标的方法,通过检测运动的阴影来检测运动目标。该方法主要... VideoSAR成像时,运动目标发生散焦和移位,但在其真实位置留下阴影,且阴影在VideoSAR的图像序列中发生运动。根据运动目标的这个特征,提出了一种在VideoSAR图像序列中检测运动目标的方法,通过检测运动的阴影来检测运动目标。该方法主要分为背景补偿和背景分割两部分。首先,将段内的图像用SIFT+RANSAC算法进行配准,使得图像序列的背景对齐;然后,用单高斯模型对图像序列进行统计,得到该段图像序列的背景模型,将背景与当前图像差分后并二值化,得到前景的二值图;最后,对二值图进行形态学处理,即可提取出运动目标的阴影。该方法用美国Sandia国家实验室的VideoSAR图像进行了验证,具有良好的检测结果。 展开更多

关键词 VideoSAR 动目标检测 图像配准 单高斯模型

在线阅读 下载PDF 职称材料

基于特征优化与深层次融合的目标检测算法 被引量：4

20

作者 谢誉 包梓群 +3 位作者 张娜 吴彪 涂小妹 包晓安 《浙江大学学报（工学版）》 EI CAS CSCD 北大核心 2022年第12期2403-2415,共13页

针对单阶段多边框检测算法(SSD)存在对小目标检测误差较大的问题,提出基于特征优化与深层次融合的目标检测算法,通过空间通道特征增强(SCFE)模块和深层次特征金字塔网络(DFPN)改进SSD.SCFE模块基于局部空间特征增强和全局通道特征增强... 针对单阶段多边框检测算法(SSD)存在对小目标检测误差较大的问题,提出基于特征优化与深层次融合的目标检测算法,通过空间通道特征增强(SCFE)模块和深层次特征金字塔网络(DFPN)改进SSD.SCFE模块基于局部空间特征增强和全局通道特征增强机制优化特征层,注重特征层的细节信息;DFPN基于残差空间通道增强模块改进特征金字塔网络,使不同尺度特征层进行深层次特征融合,提升目标检测精度.在训练阶段添加样本加权训练策略,使网络注重训练定位良好的样本和置信度高的样本.实验结果表明,在PASCAL VOC数据集上,所提算法在保证速度的同时检测精度由SSD的77.2%提升至79.7%;在COCO数据集上,所提算法的检测精度由SSD的25.6%提升至30.1%,对小目标的检测精度由SSD的6.8%提升至13.3%. 展开更多

关键词 目标检测 深层次特征金字塔网络(DFPN) 空间通道特征增强(SCFE) 样本加权训练 单阶段多边框检测算法(SSD)

在线阅读 下载PDF 职称材料