检索结果-南通市图书馆

检索条件"主题词=无人机航空图像"

共 1 条记录，以下是1-10 订阅

全选清除本页清除全部题录导出标记到"检索档案"

详细简洁

排序：

基于深度学习的无人机图像自适应分簇目标检测方法

基于深度学习的无人机图像自适应分簇目标检测方法

引用

作者：李志田广西师范大学

学位级别：硕士

随着无人机技术和计算机视觉技术的融合发展,面向无人机航空图像的目标检测已经成为了研究的热点,出现了越来越多检测精度高、鲁棒性强的检测算法。无人机航空图像具有的复杂背景、多变场景和小目标数量多等特点,使得对无人机航空图像... 详细信息

随着无人机技术和计算机视觉技术的融合发展,面向无人机航空图像的目标检测已经成为了研究的热点,出现了越来越多检测精度高、鲁棒性强的检测算法。无人机航空图像具有的复杂背景、多变场景和小目标数量多等特点,使得对无人机航空图像的检测成为了难点问题。针对以上问题,本文从增强无人机航空图像数据集和改进检测网络结构两个方面入手,致力于提高目标检测的精度。通过对无人机航空图像的特点进行分析,本文提出了一种面向无人机航空图像的自适应分簇目标检测方法,该方法分为三个子网络:第一,自适应分簇子网络,针对无人机航空图像中小目标聚集的特点,本文提出了一种对无人机航空图像中潜在的小目标聚集区域进行提取的自适应分簇网络,该网络输出若干个小目标聚集区域的分割图片。第二,分割与填充子网络,针对自适应分簇网络输出的尺寸过大的图片进行均匀分割,针对自适应分簇网络输出长宽比例失调的图片进行填充,对尺寸过小的目标区域进行填充;该方法的目的是:使图片的尺寸保持在检测网络要求的合理范围内。第三,检测子网络,该网络分为局部检测网络和全局检测网络;分割与填充子网络输出的图片中小目标聚集,局部检测网络通过引入注意力机制、使用可变阈值的NMS、使用样本平衡策略训练等方法有效提升了对聚集区域目标的检测精度;自适应分簇网络对图片进行分割时,会把部分大、中等目标截断,全局检测网络对这部分截断目标和局部检测网络漏检的目标进行检测,其结果是对局部检测网络结果的补充;把局部检测网络和全局检测网络的结果进行融合得到最终的检测结果。本文在常用的无人机航空图像数据集进行训练和测试,自适应分簇目标检测方法在Vis Drone2019数据集中的的平均检测精度比基线检测方法分别提升了10.3%,对小目标的检测精度提升了7.3%。使用拍摄的真实无人机图像进行测试,结果表明:自适应分簇目标检测方法可以有效地提高模型对聚集区域目标的检测精度,同时模型具有良好的泛化能力。

关键词：无人机航空图像小目标自适应分簇样本平衡

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

全选清除本页清除全部题录导出标记到“检索档案”

共1页 << < 1 > >>

回到顶部

执行限定条件

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：