论文摘要
随着汽车数量的快速增长以及无人机飞控技术的迅速发展,基于无人机航拍的车辆检测技术越来越有用武之地。传统的基于滑动窗口以及手工设计特征的车辆检测不仅计算量巨大,鲁棒性也不够好。卷积神经网络在目标检测方面发挥了显著的优势,但是常见的网络对于航拍遥感图像中的小目标检测效果一般。文中基于faster-RCNN在VGG16网络上使用通道合并融合的方式设计了超特征图,通过结合浅层特征以及深层特征的方式提取小目标的特征以提高检测的召回率。同时修改RPN层的包围框的大小以提高检测的准确性。在慕尼黑车辆数据集以及自己收集的数据上进行了测试,通过对比实验可知,该方法使得车辆检测的效果有了明显提升,在两个数据集上分别达到了72.3%和80.5%的mAP。
论文目录
文章来源
类型: 期刊论文
作者: 陶晓力,刘宁钟,沈家全
关键词: 车辆检测,无人机,卷积神经网络,超特征图,小目标检测
来源: 计算机技术与发展 2019年09期
年度: 2019
分类: 信息科技,工程科技Ⅱ辑
专业: 工业通用技术及设备,公路与水路运输,计算机软件及计算机应用,自动化技术
单位: 南京航空航天大学计算机科学与技术学院
基金: 国家自然科学基金(61375021),南京航空航天大学研究生创新基地(实验室)开放基金(kfjj20171608),中央高校基本科研业务费专项资金
分类号: TP751;TP18;U495
页码: 117-121
总页数: 5
文件大小: 1757K
下载量: 269