-
题名基于多传感器融合的无人机生命搜寻方法
被引量：2
- 1
-
-
作者
李明辉
马文凯
周翊民
叶玲见
-
机构
陕西科技大学机电工程学院
中国科学院深圳先进技术研究院
-
出处
《郑州大学学报（工学版）》
CAS
北大核心
2023年第2期61-67,共7页
-
基金
国家自然科学基金资助项目(61973296)
深圳市科创委资助项目(JCYJ20170818153635759)
咸阳市重点研发计划(S2021ZDYF-GY-0244)。
-
文摘
为应对单个生命探测传感器在野外、灾区生命搜寻时的不稳定状况,提出了一种基于多传感器信息融合的无人机(UVA)生命搜寻方法。首先,构建不同结构的ResNeXt网络以提取不同维度信息的特征,利用一维ResNeXt网络提取音频梅尔频谱系数的深层特征,利用二维ResNeXt网络提取红外图像的深层特征;其次,使用判别相关分析(DCA)对2种高维特征进行降维融合,兼顾不同特征的相关性和类别性,以获得更丰富的环境信息,从而提高生命搜寻的准确性;最后,将融合特征输入支持向量机分类器以进行生命识别的决策,建立具有相关性的音频和图像双模态数据集,并将所提方法在该数据集上进行实验比较和分析,对其性能进行有效评估。实验结果表明:所提方法在特征提取和特征融合方面效果优于其他传统方法,且多传感器融合识别准确率可达98.7%,证明该方法能有效提高特殊场景下人体检测的准确性,多传感器融合检测效果优于单传感器。
-
关键词
数据融合
红外图像特征
音频特征
判别相关分析(dca)
无人机生命搜寻方法
-
Keywords
data fusion
infrared image features
audio features
discriminant correlation analysis(dca)
UAV life search methods
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
-
题名多尺度特征DCA融合的海上船舶检测算法研究
被引量：4
- 2
-
-
作者
潘慧
段先华
罗斌强
-
机构
江苏科技大学计算机学院
-
出处
《计算机工程与应用》
CSCD
北大核心
2022年第4期177-185,共9页
-
基金
国家自然科学基金(61772244)
江苏省研究生创新计划项目(SJCX20_1475)。
-
文摘
为了加强海上交通的安全性,以常见的民用船和军用船为研究对象,针对原始YOLOV3算法在船舶数据集上检测精度不高、目标框出现误检和小目标漏检的问题,提出了改进的船舶检测算法MS-YOLOV3。构建船舶图像数据集Shipdataset,包括数据采集、增强和标签标注,使用维度聚类算法在该数据集中找出合适尺寸的先验框,并应用于相对应的尺度特征图。以Darknet-53的网络框架为基础特征提取网络,增加网络预测尺度,在多尺度特征融合中加入DCA融合策略,提高模型对船舶的检测能力。以MS-YOLOV3为算法框架,采用GIOU作为边框损失函数的参数,提升模型对边界框位置信息的预测准确度。结果MS-YOLOV3与YOLOV3检测算法的对比实验表明,前者在船舶数据集上的精度有7.9个百分点的提升。同时加入的GIOU边框损失,拉低了模型的平均损失,加强了模型的鲁棒性,使得目标框的定位误差大大减小。根据Pascal VOC2007数据集上的训练效果,MS-YOLOV3的平均精度相较于YOLO系列算法、SSD300和Faster-RCNN,精确度优势更加明显。提出的MS-YOLOV3检测模型使得船舶的位置信息和类别精度更加准确。
-
关键词
深度学习
卷积神经网络(CNN)
船舶检测
多尺度特征
YOLOV3
判别相关分析(dca)
广义交并比(GIOU)
-
Keywords
deep learning
convolutional neural network(CNN)
ship detection
multiscale features
YOLOV3
discriminant correlation analysis(dca)
generalized intersection over union(GIOU)
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
