-
题名基于轻量化YOLOv3的遥感军事目标检测算法
被引量：14
- 1
-
-
作者
秦伟伟
宋泰年
刘洁瑜
王洪伟
梁卓
-
机构
火箭军工程大学核工程学院
西北工业大学光电与智能研究院
中国运载火箭研究院
-
出处
《计算机工程与应用》
CSCD
北大核心
2021年第21期263-269,共7页
-
基金
国家自然科学基金(61503392)。
-
文摘
在导弹智能突防的过程中,从海量的遥感图像数据中检测敌方反导阵地具有极大的应用价值。由于弹载部署环境算力有限,设计了一种兼顾轻量化,检测精确率以及检测速度的遥感目标检测算法。制作了典型遥感军事目标数据集,通过K-means算法对数据集聚类分析。利用MobileNetV2网络代替YOLOv3算法的主干网络,保证网络的轻量化和检测速度。提出了适用于遥感目标特性的轻量化高效通道协同注意力模块和目标旋转不变性检测模块,将其嵌入检测算法中,在网络轻量化的基础上提升检测精确率。实验结果表明,提出算法的精确率达到97.8%,提升了6.8个百分点,召回率达到95.7%,提升了3.9个百分点,平均检测精度达到95.2%,提升了4.4个百分点,检测速度达到了每秒34.19张图,而网络大小仅为17.5 MB。结果表明该算法能满足导弹智能突防的综合要求。
-
关键词
目标检测
轻量化网络
YOLOv3
遥感图像
MobileNetV2
-
Keywords
target detection
lightweight network
YOLOv3
remote sensing image
MobileNetV2
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名面向轻量化网络的改进双通道注意力机制图像分类方法
被引量：6
- 2
-
-
作者
宋泰年
秦伟伟
梁卓
王魁
刘刚
-
机构
火箭军工程大学
中国运载火箭研究院
-
出处
《航空兵器》
CSCD
北大核心
2021年第5期81-85,共5页
-
基金
国家自然科学基金项目(61503392)。
-
文摘
为解决弹载终端环境下深度卷积神经网络模型体积较大、运算硬件要求高的问题,构建了一种基于改进双通道注意力机制的轻量化网络结构。针对网络轻量化会牺牲分类准确率的问题,以轻量化网络结构MobileNetV2为基准网络架构,引入自主设计的注意力模块,设计了基于SPP-DCAM模块的MobileNetV2网络架构,使卷积层学习的显著特征图的权重增加,以提升其分类准确率;设计的空间信息与通道信息并联输入,通过定义1×1和3×3的小卷积在保证结构轻量化的基础上减少了计算量和计算复杂度。最后,在cifar-100图像分类数据集进行实验对比。结果表明:相对于改进MobileNetV2,在参数量和计算复杂度基本不变的基础上,分类精度优于传统的VGG16,ResNet18和DenseNet卷积网络,综合性能更强,更适合弹载计算资源有限情况下的快速分类。
-
关键词
MobileNetV2
注意力机制
图像分类
卷积神经网络
轻量化网络
人工智能
-
Keywords
MobileNetV2
attention mechanism
image classification
convolutional neural network
lightweight network
artificial intelligence
-
分类号
TJ760
[兵器科学与技术—武器系统与运用工程]
TP183
[自动化与计算机技术—控制理论与控制工程]
-
