《表1 用于低空无人机检测识别的O-YOLO网络结构》
提出基于Optimized-YOLOv3(简称O-YOLOv3)的低空无人机检测识别方法,其实现框架如图1所示。首先,O-YOLOv3使用深度残差网络[14](网络结构如表1所示)提取样本中低空无人机的特征;然后,在残差网络后添加4个卷积层,形成金字塔型的多尺度预测网络;接着,将预测网络中得到的特征图与之前深度残差网络中对应尺寸的特征图进行融合,以获得更有价值的语义信息;最后,利用NMS的方法去除重复的预测框,得到最终的低空无人机检测识别结果。与原始的YOLOv3相比,O-YOLOv3易于训练且效果良好。
图表编号 | XD00106624800 严禁用于非法目的 |
---|---|
绘制时间 | 2019.10.25 |
作者 | 马旗、朱斌、张宏伟、张杨、姜雨辰 |
绘制单位 | 国防科学技术大学电子对抗学院脉冲功率激光技术国家重点实验室、国防科学技术大学、国防科学技术大学电子对抗学院脉冲功率激光技术国家重点实验室、国防科学技术大学、国防科学技术大学电子对抗学院脉冲功率激光技术国家重点实验室、国防科学技术大学、国防科学技术大学电子对抗学院脉冲功率激光技术国家重点实验室、国防科学技术大学、国防科学技术大学电子对抗学院脉冲功率激光技术国家重点实验室、国防科学技术大学 |
更多格式 | 高清、无水印(增值服务) |