深度残差网络的无人机多目标识别

• 作者: 代冀阳 应进 王嘉琦 翟进有
• 来源期刊: 图学学报
• 学科: 工学
• 关键词: 无人机 残差网络 级联区域建议网络 目标识别
• 年，卷（期）: 2019,（1）
• 所属期刊栏目: 图像与视频处理
• 页码范围: 158-164
• 页数: 7页
• 分类号: TP391.4
• 字数: 5416字
• 语种: 中文
• DOI: 10.11996/JG.j.2095-302X.2019010158

摘要

传统目标识别算法中,经典的区域建议网络(RPN)在提取目标候选区域时计算量大,时间复杂度较高,因此提出一种级联区域建议网络(CRPN)的搜索模式对其进行改善.此外,深层次的卷积神经网络训练中易产生退化现象,而引入残差学习的深度残差网络(ResNet),能够有效抑制该现象.对多种不同深度以及不同参数的网络模型进行研究,将两层残差学习模块与三层残差学习模块结合使用,设计出一种占用内存更小、时间复杂度更低的新型多捷联式残差网络模型(Mu-ResNet).采用Mu-ResNet与CRPN结合的网络模型在无人机目标数据集以及PASCAL VOC数据集上进行多目标识别测试,较使用ResNet与RPN结合的网络模型,识别准确率提升了近2个百分点.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	代冀阳	南昌航空大学信息工程学院	80	332	10.0	13.0
5	应进	南昌航空大学信息工程学院	12	33	3.0	5.0
6	翟进有	南昌航空大学信息工程学院	3	9	2.0	3.0
7	王嘉琦	南昌航空大学信息工程学院	3	9	2.0	3.0