-
题名基于L-FPN的无人机上小目标识别模型轻量化方法
- 1
-
-
作者
魏昊坤
刘敬一
陈金勇
楚博策
孙裕鑫
朱进
-
机构
中国电子科技集团公司第五十四研究所航天信息应用技术重点实验室
光电信息控制和安全技术重点实验室
-
出处
《航空兵器》
CSCD
北大核心
2024年第1期97-102,共6页
-
基金
中国博士后科学基金项目(2021M703021)
河北省重点研发计划项目(22340301D)
河北省博士后基金项目(B2021003031)。
-
文摘
由于遥感图像拍摄的高度和设备不同导致每张图像的地面采样间隔(GSD)也不同,许多小目标往往易被忽略,遥感图像中旋转框目标检测成为当下研究热点。现有的旋转框检测算法主要面向通用场景下的多尺度目标检测,特征金字塔中特征融合计算操作复杂且耗时,部署到无人机上的边缘端设备时面临很大的挑战。因此本文针对该场景下的小目标检测提出基于L-FPN的无人机上小目标识别模型轻量化方法,首先依据图像的GSD信息进行尺度归一化,然后去除特征金字塔中冗余的高层特征图,最后针对小目标检测调整锚框的尺寸。本方法在DOTA数据集上进行训练验证,结果表明本文提出的基于L-FPN的无人机上小目标识别模型轻量化方法在识别精度与传统模型一致的情况下,模型参数量较原模型减少2.7%,模型大小减少28%,推理速度提升13.24%。
-
关键词
目标检测
特征金字塔
模型轻量化
遥感图像
无人机
-
Keywords
object detection
feature pyramid
model lightweight
remote sensing images
UAV
-
分类号
TJ760
[兵器科学与技术—武器系统与运用工程]
-
-
题名基于语义分割的红外图像天地线检测算法研究
被引量：2
- 2
-
-
作者
孙裕鑫
李宇海
王锴
-
机构
光电信息控制和安全技术重点实验室
-
出处
《光电技术应用》
2020年第6期55-57,78,共4页
-
基金
重点实验室基金项目(6142107200207)。
-
文摘
天地线检测在复杂场景的红外目标检测系统中具有重要的作用,将深度语义分割模型引入了天地线检测任务。不同于传统的基于手工模板的阈值分割算法,深度学习算法能够充分挖掘图像事例之间的结构信息与语义信息,具有较强的自适应性。文中利用Deeplab-v3+算法作为语义分割算法,实现了对天空与地面的有效分割。在城市、森林、山地等不同场景的实验中,所提算法取得了良好的天地线检测效果,验证了所提算法的有效性与鲁棒性。
-
关键词
深度学习
语义分割
天地线检测
红外图像
-
Keywords
deep learning
semantic segmentation
horizon detection
infrared image
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
