无人机目标分类的深度卷积网络设计与优化

作者：皮骏; 张志力^*; 李想; 张春泽

来源：计算机系统应用, 2021, 30(05): 290-297.

DOI：10.15888/j.cnki.csa.007950

• 无人机分类
• 卷积神经网络
• 注意力机制
• 批归一化

针对传统无人机目标分类方法效率低、特征提取能力不足和适应性差等问题,通过对无人机自身特点和现有分类方法的分析,提出了引入注意力机制优化深度卷积神经网络的无人机分类方法.设计多组对比实验,根据实验效果设计出模型结构为3层卷积层、3层池化层、2层全连接层的卷积神经网络进行训练,得到最优的无人机目标分类模型,再引入卷积注意力模块对特征图元素进行加强和抑制,引入批归一化层加速模型收敛,提升泛化能力.实验结果表明:引入卷积注意力模块和批归一化层优化后的无人机目标分类模型的识别率达到92.44%,较优化前提升1.5%,相比于其它神经网络模型具有识别率高、收敛速度快的优点,可以基本满足实际场景中无人机目标分类的要求.

• 单位
  中国民航大学