SA-FRCNN：一种改进的机场停机坪目标检测方法（英文）

作者：吕宗磊^*; 陈丽云

来源：Transactions of Nanjing University of Aeronautics & Astronautics, 2021, 38(04): 571-586.

DOI：10.16356/j.1005-1120.2021.04.004

• 机坪场景
• 目标检测
• 图卷积网络
• 空间上下文
• 注意力机制

机坪场景下包含丰富的空间位置关系上下文信息。传统目标检测器往往只关注单一的视觉外观而忽略上下文信息;此外机坪数据集中部分类别识别准确率较低。针对上述问题,提出一种改进的机场停机坪目标检测方法,称为SA-FRCNN。该方法利用图卷积网络来捕获机坪场景下目标间的相对空间关系,将空间位置关系上下文融入模型生成空间感知特征;在特征提取过程中引入注意力机制,聚焦机坪目标的空间位置和关键特征;使用距离交并比损失实现目标更精确地回归定位。实验结果表明,SA-FRCNN方法在机坪数据集上目标检测均值平均精准度达到95.75%,部分较难检测类别的检测效果提升显著;有效提高机坪目标检测的准确性,较其他方法具有领先优势。

• 单位
  中国民航大学