检索结果-南通市图书馆

基于改进YOLOv5的轻量化无人机检测算法

在线全文

学校读者我要写书评

暂无评论

湖南大学学报（自然科学版） 2023年第12期50卷 28-38页

作者：彭艺凃馨月杨青青李睿昆明理工大学信息工程与自动化学院云南昆明650031 昆明理工大学云南省计算机技术应用重点实验室云南昆明650500

针对现有的无人机检测算法无法同时兼顾检测速度及检测精度的问题,本文提出了一种基于YOLOv5s(You Only Look Once)的轻量化无人机检测算法TDRD-YOLO(Tiny Drone Real-time Detection-YOLO).该算法首先以YOLOv5s的多尺度融合层和输出检... 详细信息

针对现有的无人机检测算法无法同时兼顾检测速度及检测精度的问题,本文提出了一种基于YOLOv5s(You Only Look Once)的轻量化无人机检测算法TDRD-YOLO(Tiny Drone Real-time Detection-YOLO).该算法首先以YOLOv5s的多尺度融合层和输出检测层分别作为颈部网络和头部网络,引入MobileNetv3轻量化网络对原骨干网络进行重构,并将骨干网络后的通道在原YOLOv5s的基础上进行压缩,减小网络模型大小;其次,将骨干网络中Bneck模块的注意力机制由SE修改为(Convolutional Block Attention Module,CBAM)并在颈部网络引入CBAM,使网络模型更加关注目标特征;最后修改颈部网络的激活函数为h-swish,进一步提高模型精度.实验结果表明:本文提出的TDRD-YOLO算法平均检测精度达到96.8%,与YOLOv5s相比,参数量减小到原来的1/11,检测速度提升1.5倍,模型大小压缩到原来的1/8.5.实验验证了本文算法可在大幅降低模型大小、提升检测速度的同时保持良好的检测性能.

关键词：无人机检测 YOLOv5 轻量化注意力机制深度学习

维普期刊数据库博看期刊

在线全文

学校读者我要写书评

暂无评论

复杂背景下的低空无人机检测与跟踪算法

强激光与粒子束 2023年第7期35卷 154-165页

作者：汪建伟游疆万敏顾静良中国工程物理研究院应用电子学研究所四川绵阳621900 中国工程物理研究院研究生院北京100088

提出一种基于YOLOv5与CSRT算法优化的实时长跟踪方法,实现了对无人机在净空、城市、森林等场景的稳定跟踪。针对跟踪的不同阶段建立不同分辨率的两个捕获网络,分别对两个网络进行小目标检测优化和性能优化,并根据无人机数据集特点对其... 详细信息

提出一种基于YOLOv5与CSRT算法优化的实时长跟踪方法,实现了对无人机在净空、城市、森林等场景的稳定跟踪。针对跟踪的不同阶段建立不同分辨率的两个捕获网络,分别对两个网络进行小目标检测优化和性能优化,并根据无人机数据集特点对其进行正负样本的添加以实现数据增强。然后,对CSRT算法使用GPU进行优化并结合特征点提取构建了低空无人机检测与跟踪模型。最后,将算法使用Tensorrt部署后在自建数据集上进行实验,实验结果表明,所提方法在RTX 2080Ti上实现了400FPS的跟踪性能,在NVIDIA Jetson NX上实现了70FPS的性能。在实际外场实验中也实现了稳定的长时间跟踪。

关键词：无人机检测实时跟踪复杂背景机动目标无人机反制

同方期刊数据库

在线全文

学校读者我要写书评

暂无评论

基于轨迹和形态识别的无人机检测方法

计算机工程 2020年第12期46卷 283-289,298页

作者：刘宜成廖鹭川张劲吴浩何凌戴弘宁张晗杨刚四川大学电气工程学院自动化系成都610065 成都空御科技有限公司成都610213 澳门科技大学咨讯科技学院澳门999078

无人机因具有体型小以及受环境干扰大等因素导致其在可见光图像序列下的检测准确率较低。为此,提出一种新的无人机检测方法。通过转台相机捕获飞行物形态变化,使用轨迹聚类算法获得运动小目标轨迹,提取并融合目标的轨迹特征和形态特征,... 详细信息

无人机因具有体型小以及受环境干扰大等因素导致其在可见光图像序列下的检测准确率较低。为此,提出一种新的无人机检测方法。通过转台相机捕获飞行物形态变化,使用轨迹聚类算法获得运动小目标轨迹,提取并融合目标的轨迹特征和形态特征,进而通过人工神经网络识别目标,并采用小范围搜索算法进行追踪,同时运用干扰无线电定向压制无人机。实验结果表明,该方法对无人机和飞鸟的识别准确率达到99.53%,且能够实时检测、识别和追踪。

关键词：无人机检测轨迹聚类特征提取轨迹识别人工神经网络目标追踪

Bi-PPYOLO tiny:一种轻量型的机场无人机检测方法

在线全文

学校读者我要写书评

暂无评论

安全与环境学报 2023年第2期23卷 480-488页

作者：刘闪亮吴仁彪屈景怡乔晗何雨龙中国民航大学天津市智能信号与图像处理重点实验室天津300300

机场“黑飞”无人机的检测关系着整个机场的安全问题,机场现有基于雷达手段的无人机探测方法无法正确识别无人机的类型及个数。基于现有雷达探测无人机方法存在的缺点,对PPYOLO tiny目标检测方法在无人机检测中存在的问题进行改进,结合... 详细信息

机场“黑飞”无人机的检测关系着整个机场的安全问题,机场现有基于雷达手段的无人机探测方法无法正确识别无人机的类型及个数。基于现有雷达探测无人机方法存在的缺点,对PPYOLO tiny目标检测方法在无人机检测中存在的问题进行改进,结合机场“黑飞”无人机的特性和硬件设备部署中模型参数量小的特性,提出了基于Bi-PPYOLO tiny的轻量型无人机检测方法,提出双锥台特征融合结构,并优化检测头部的锚框大小,有效提升了无人机的检测精度。经试验验证,该方法将平均检测精度PmA从68.07%提升至76.71%,模型参数量为4.06 MB,推理速度为32.21帧/s。所提方法有助于轻量型无人机检测方法在光电设备上的部署与实施,与现有机场无人机探测手段共同保障机场安全。

关键词：安全工程机场安全无人机检测轻量化特征融合目标检测

同方期刊数据库

在线全文

学校读者我要写书评

暂无评论

基于SSD的实时轻量级无人机检测算法

半导体光电 2020年第2期41卷 296-300页

作者：王若霄徐智勇张建林中国科学院光电技术研究所成都610209 中国科学院大学北京100049

针对当前无人机检测算法普遍不能做到快速准确检测的问题,提出了一种基于SSD的改进实时轻量级无人机检测算法--TSSD。首先,针对SSD算法的骨干网络权重参数量大的问题,改进得到一种轻量级的骨干网络。其次,针对SSD只利用多层特征图进行... 详细信息

针对当前无人机检测算法普遍不能做到快速准确检测的问题,提出了一种基于SSD的改进实时轻量级无人机检测算法--TSSD。首先,针对SSD算法的骨干网络权重参数量大的问题,改进得到一种轻量级的骨干网络。其次,针对SSD只利用多层特征图进行多尺度预测,而特征之间的联系没有被很好地融合利用,加入了一种特征增强模块来提高检测能力。在自建无人机数据集中进行的实验结果表明,提出的算法检测速度达到125f/s,远高于原始SSD的检测速度,且准确率比原始SSD也有所提升。

关键词：深度学习 SSD算法无人机检测特征增强实时性

基于特征增强YOLOv4的无人机检测算法研究

在线全文

学校读者我要写书评

暂无评论

电子测量与仪器学报 2022年第7期36卷 16-23页

作者：史雨馨朱继杰凌志刚湖南大学电气与信息工程学院长沙410082

现有基于深度学习的目标检测方法在面对空中消费级无人机时,存在鲁棒性差、准确率不足等问题。对此,提出一种基于特征增强的YOLOv4目标检测方法—FEM-YOLOv4。首先,针对无人机低、小、慢等特点,改进骨干网络,降低下采样倍数,充分利用包... 详细信息

现有基于深度学习的目标检测方法在面对空中消费级无人机时,存在鲁棒性差、准确率不足等问题。对此,提出一种基于特征增强的YOLOv4目标检测方法—FEM-YOLOv4。首先,针对无人机低、小、慢等特点,改进骨干网络,降低下采样倍数,充分利用包含细粒度信息的浅层特征;其次,加入特征增强模块(feature enhancement module),通过使用不同空洞率的多分支卷积层结构,综合不同深度的语义信息和空间信息,增强小尺度无人机的细节语义特征;另外,利用多尺度融合的特征金字塔结构,突出特征图包含的细节信息和语义信息,提升模型对无人机目标的预测能力;最后,采用K-means++算法对无人机目标候选框的尺寸进行聚类分析。与6种目标检算法进行对比,实验结果表明,FEM-YOLOv4算法的mAP和Recall分别达到89.48%、97.4%,优于其他算法,且平均检测速度为0.042 s。

关键词：卷积神经网络深度学习 YOLOv4 无人机检测特征增强模块

基于深度卷积神经网络的小型民用无人机检测研究进展

在线全文

学校读者我要写书评

暂无评论

红外技术 2022年第11期44卷 1119-1131页

作者：杨欣王刚李椋李邵港高晋王以政南华大学湖南衡阳421001 军事科学院军事认知与脑科学研究所北京100850 北京脑科学与类脑研究中心北京102206 中国科学院自动化研究所北京100190

小型民用无人机预警探测是公共安全领域的热点问题,也是视觉目标检测领域的研究难点。采用手工特征的经典目标检测方法在语义信息的提取和表征方面存在局限性,因此基于深度卷积神经网络的目标检测方法在近年已成为业内主流技术手段。围... 详细信息

小型民用无人机预警探测是公共安全领域的热点问题,也是视觉目标检测领域的研究难点。采用手工特征的经典目标检测方法在语义信息的提取和表征方面存在局限性,因此基于深度卷积神经网络的目标检测方法在近年已成为业内主流技术手段。围绕基于深度卷积神经网络的小型民用无人机检测技术发展现状,本文介绍了计算机视觉目标检测领域中基于深度卷积神经网络的双阶段算法和单阶段检测算法,针对小型无人机检测任务分别总结了面向静态图像和视频数据的无人机目标检测方法,进而探讨了无人机视觉检测中亟待解决的瓶颈性问题,最后对该领域研究的未来发展趋势进行了讨论和展望。

关键词：计算机视觉目标检测视频目标检测无人机检测深度卷积神经网络

在线全文

学校读者我要写书评

暂无评论

基于计算机视觉技术的无人机检测跟踪方法

济南大学学报（自然科学版） 2024年第4期38卷 445-455页

作者：刘新锋陈梦雅李成龙陈关忠张晓山东建筑大学计算机科学与技术学院山东济南250101 山东建筑大学行业大数据研究中心山东济南250101 山东建筑大学学报编辑部山东济南250101

针对无人机因目标较小而难以检测、检测速度慢、难于跟踪等问题,提出一种基于目标检测YOLOv5s算法和目标跟踪DeepSORT算法的无人机检测跟踪方法;采用自采数据集和公开数据集构建无人机检测数据集,使用针对小目标的数据增强方法以扩充数... 详细信息

针对无人机因目标较小而难以检测、检测速度慢、难于跟踪等问题,提出一种基于目标检测YOLOv5s算法和目标跟踪DeepSORT算法的无人机检测跟踪方法;采用自采数据集和公开数据集构建无人机检测数据集,使用针对小目标的数据增强方法以扩充数据集多样性;选择合适的YOLOv5算法模型实现无人机目标的精准、快速检测,引入基于批标准化层的模型剪枝方法进一步提高模型检测速度;利用DeepSORT算法实现无人机目标的实时追踪;通过对比YOLOv3、 YOLOv4、 Fast R-CNN以及改进前的YOLOv5算法,验证了本文方法在无人机检测方面的性能。结果表明:提出的无人机检测跟踪方法的全类平均精度达到0.947,每秒浮点运算次数达到2.93×10~9,在无人机检测的精度和速度方面均具有优势。

关键词：计算机视觉技术无人机检测目标跟踪模型剪枝

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

基于深度学习的无人机检测算法研究与实现

基于深度学习的无人机检测算法研究与实现

作者：李斌佛山科学技术学院

学位级别：硕士

无人机行业快速发展的同时,也给人们的安全和隐私带来挑战,迫切需要对无人机进行监管,而无人机检测是实施监管的关键。基于传统方法检测无人机具有成本高、实现复杂等不适合大规模推广的特点。因此,本文重点研究基于深度学习实现无人机... 详细信息

无人机行业快速发展的同时,也给人们的安全和隐私带来挑战,迫切需要对无人机进行监管,而无人机检测是实施监管的关键。基于传统方法检测无人机具有成本高、实现复杂等不适合大规模推广的特点。因此,本文重点研究基于深度学习实现无人机的高效检测。针对无人机检测数据集缺失的问题,构造了无人机检测数据集。首先,从无人机运动视频获得高质量的无人机图像;其次,对每一张图像都进行位置和类别标注,其中,位置采用无人机的包围矩形框的左上和右下的像素坐标表示;最后,参照标准的目标检测数据集进行构造。针对当前通用目标检测与无人机检测之间存在的性能差距问题,对当前目标检测的实现步骤与发展过程进行研究分析。首先,对传统的目标检测方法进行阐述,获得其存在的问题;其次,对基于深度学习的目标检测算法的实现过程进行系统分析,寻找实现无人机检测的基础方法;最后,对工业上应用广泛的一步检测算法与两步检测算法进行重点研究,为无人机检测速度与精度的提升提供理论依据。针对提升无人机检测精度的问题,充分利用了两步检测算法的精度优势结合特征金字塔的提取小目标无人机特征的能力,提出了基于改进的Faster RCNN的无人机检测算法,实现了更高的检测精度。首先,将特征金字塔与基础特征提取器进行设计融合作为RPN网络的输入,使其获得的无人机候选区域具有更丰富的无人机语义信息;其次,将ROI Align应用到候选目标对齐,解决了Ro I Pooling导致的目标位置偏移问题;最后,在自建无人机数据集和PASCAL VOC数据集都获得了较高的精度,证明了算法改进的有效性。针对无人机检测精度与检测速度不匹配的问题,充分利用一阶段目标检测算法的检测速度优势结合更精准描述误差的损失函数,提出了基于改进的YOLOv3的无人机检测算法,在获得较高检测精度的同时保证了实时检测。首先,针对无人机位置描述不准的问题,采用广义交并比来衡量预测目标和实际目标之间的差距,使得无人机的定位更精准;其次,针对小目标无人机在图像中占据较小位置,使得训练过程中出现了严重的正负样本不平衡问题,采用了焦点损失来抑制负样本产生的负优化问题;最后,实验表明,本文提出的算法在检测精度和检测速度都有明显的优势,又能实现无人机的实时检测,具有强大的推广应用价值。

关键词：无人机检测 Faster RCNN YOLOv3 特征金字塔广义交并比损失焦点损失