基于改进多级特征金字塔的陆战场目标检测算法

发布时间：2022-02-08 17:58

　　在实际陆战场环境中,常常因为所检测的实际目标（如坦克、火炮、单兵等）存在多尺度识别率低、正负样本不均衡的难题,导致无法准确实时地实现陆战场目标检测。虽然现有的One-stage检测器提高了一定的速率但是不能满足准确率的要求。为此提出一种基于改进的多层次特征金字塔网络（I-MLFPN）的陆战场目标检测算法,在提高识别精度的同时提升检测速度。以目标检测框架SSD为基础,提出改进的多层次特征金字塔网络（I-MLFPN）来构建更有效的特征金字塔,用于检测不同尺度的对象;采用Focal loss损失函数,解决因正负样本不均衡带来低准确率的问题。该算法将目标检测速度提高到24.8帧/s,目标检测准确率提高了7%,达到69.3%,有效解决了检测速度与准确率兼得的问题。 

【文章来源】：计算机应用与软件. 2020,37(10)北大核心

【文章页数】：7 页

【部分图文】：

模型网络结构图

FFM结构

若允许组卷积能够得到不同组的输入数据,那么输入和输出通道会是全关联的。具体来说,对于上一层输出的通道,可做一个混洗(Shuffle)操作(如图3所示),再分成几个组,提供给下一层,ShuffleNet可以允许使用更多的特征映射通道,这样就可以编码更多信息。图4为构建的一个ShuffleNet 单元,便于实现实际模型。

【参考文献】：
期刊论文
[1]基于特征金字塔网络的改进算法[J]. 陈景明,金杰,王伟锋.  激光与光电子学进展. 2019(21)
[2]基于深度学习的军事辅助决策智能化研究[J]. 张晓海,操新文,耿松涛,张妍莉.  兵器装备工程学报. 2018(10)
[3]战场目标特性与燃烧弹装药结构特性分析[J]. 张敬慧,胡毅钧.  科学技术创新. 2018(27)
[4]基于改进特征金字塔的Mask R-CNN目标检测方法[J]. 任之俊,蔺素珍,李大威,王丽芳,左健宏.  激光与光电子学进展. 2019(04)
[5]基于改进多尺度特征图的目标快速检测与识别算法[J]. 单倩文,郑新波,何小海,滕奇志,吴晓红.  激光与光电子学进展. 2019(02)
[6]残差网络下基于困难样本挖掘的目标检测[J]. 张超,陈莹.  激光与光电子学进展. 2018(10)
[7]空战对敌目标攻击路径辅助控制研究[J]. 王宝峰,李战武,寇英信,徐安.  计算机仿真. 2017(12)



本文编号：3615497