科研之友
微信
新浪微博
Facebook
分享链接
摘要
随着无人机技术在生产生活中的广泛应用,由其引起的公共安全、隐私保护等问题也日渐突出,因此基于计算机视觉的无人机检测技术逐渐成为当下的研究热点。目前,常用的深度学习目标检测方法如Faster-RCNN、Yolo等在通用的目标检测领域已经可以获得良好的检测性能。但是在无人机检测任务上,由于目标小、边缘设备算力低等限制因素,常用的目标检测算法无法有效地应对这些难题。对此,文中基于轻量级无人机检测网络TIB-Net,引入改进的特征融合模块,将层间特征金字塔模型与像素洗牌方法结合并集成到主干网络,提出了基于深度特征提取的无人机检测算法。该算法不仅通过像素洗牌增强了小目标的细节特征,同时由于层间金字塔的引入,扩大了深度网络的感受野,增强了网络特征提取能力。最终在无人机数据集上进行了测试,对比结果显示该算法对无人机检测的效果有明显提升,最终mAP达到90.4%。
- 单位
