改进SSD的无人机目标检测研究

来源 :现代电子技术 | 被引量 : 1次 | 上传用户:ghostframe
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
在无人机进行目标检测过程中,原始SSD(Single Shot Multi Box Detector)算法存在特征图利用率低和小目标检测率低的问题。分析研究不同算法的优缺点后,提出改进型SSD算法。设计一种特征图融合模块,在不过多增加计算量的情况下,将包含更多位置、纹理信息的低层特征图和语义性较强的深层特征图进行融合。同时通过引入IoU(Intersection over Union)值对SSD算法损失函数中位置回归部分进行改进,提高目标检测精度。实验对比原始SSD网络和改进型SSD网络,结果表明:在IoU阈值和类别置信度同为0.5的条件下,相比原始SSD算法,改进型SSD算法在训练精准度和各类AP(Average Precision)值均有明显提高。因此,改进型SSD网络能有效地对输入图像进行目标检测,为改进目标检测算法网络提供了新思路,在图像识别领域具有一定的应用价值。
其他文献
<正>一、粮棉油全产业链的概念和内涵粮棉油产业链就是粮棉油从产前、产中、产后全过程的一个延伸产业链条,既涉及生产种植环节,又涉及加工、存储、消费、流通等等触类连带的一系列环节,通俗说就是"从田间到餐桌"的全产业链,可以分成五大环节:产前、生产、加工、流通、消费。从当前我国粮油产业链看,流通环节已初具现代农业的特征,但生产加工环节仍然较薄弱和分散,生产方式和组织形式都还普遍延续着传统农业的形态。
期刊
地下室防水施工一直都是房建工程施工的重难点。影响施工质量的因素较多,任何一个细节控制不好,都会影响到防水效果。文章结合工程实例,根据地下室防水施工特点,对地下室防水施工技术应用要点进行了分析,以供参考。
期刊
人工智能的迅速发展使得现代卷积神经网络在图像识别和分类任务上取得了巨大成功.然而,复杂神经网络模型不断向更深层的网络结构发展,在面积、功耗受限的移动设备上部署时无法保持高性能和高精度.针对该问题,面向可编程阵列芯片(FPGA)平台提出了一种基于软硬件协同方法的MobileNet-SSD目标检测硬件加速器设计.首先采用剪枝和量化算法对原始MobileNet-SSD模型进行压缩,其中剪枝是针对点卷积层
期刊
<正>民国廿七年秋,经济部地质调查所闻云雲南西部蒙化縣境产油頁岩,乃派路兆洽、白家驹二君前往调查。二君於十月出發,於十二月归来,前后二阅月。除油页岩外,蒙化、祥云等县之地质矿产,亦为研究之對象。所得材料甚为丰富,并撰成『雲南蒙化县附近地质』一文,記载其重要部份。惜所採化石,多未鑑定,地层時代不能確實,未便予以發表。茲先取油頁岩及油頁岩生成時代有关之矿
期刊
<正> 在很早的时候,土司头人常常打冤家。巍山的彝族,常常和西南方住的傣族象兵队,打大冤家。一次,傣族土司的象兵队打到彝族居住的地方,彝族人很少见过象,一下见到象,吓得到处躲藏。一个放羊老人在山坡上放羊,象兵开来时躲不及了,就钻进一蓬草丛里躲着。老人在草丛里舌着一只只大象,又高又大,象背上骑着一些人,用弓箭四处乩射。起初老人也很害怕,生怕箭会射到自己身上来。过了一会,老人从草丛里伸
期刊
目前,以深度学习为基础的目标检测算法,如Faster R-CNN、SSD和YOLOv5等已经具备较高的准确率和稳定的检测性能,其应用前景广阔。然而,在无人车自动驾驶、辅助医疗诊断、交通事故多发地和卫星遥感监控等应用场景下拍摄到的图像存在大量小目标,此类目标在图像上占比较小,并且特征不明显,导致小目标检测效果不理想。因此,本文研究内容主要是提高小目标特征提取能力以缓解上述问题。针对Faster R-
学位
目标检测算法是计算机视觉的核心基础,具有重要的研究与应用意义。随着深度学习的发展,计算机视觉领域也在各个领域发挥重要作用。但由于传统目标检测算法通常使用基于手工设计的特征进行分类,对于目标的多样性不能很好的兼容,并且深度学习目标检测算法大多采用的模型参数量大,计算速度慢,不能很好地集成在移动设备或嵌入式设备中。因此设计具有更高精度且速度更快的目标检测网络成为了学术与实际应用中亟待解决的问题。针对此
学位
报纸
美藤果蛋白是从美藤果仁或美藤果粕中提取分离得到的新型植物蛋白类食品原料。概述美藤果资源在国内外开发现状、美藤果蛋白的质量指标、加工技术及应用研究进展,比较分析美藤果与其他植物在蛋白质含量和氨基酸组成上的差异性,为美藤果蛋白的研究开发和综合利用提供理论参考。
期刊
针对SSD目标检测算法在实际的复杂的检测背景下存在着小目标错检和漏检率较高、小目标特征信息不足的缺点,提出一种改进的SSD算法。受特征金字塔网络(FPN)启发,设计特征融合模块(FFM),将SSD网络的高分辨率的低层特征图与高语义信息的高层特征图进行融合,由此保留了特征图的上下文信息,提高了多尺度小目标特征信息的提取能力;通过引入注意力机制构建特征注意力模块(FAM),将融合后的特征层通过FAM,
期刊