基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
在空对地视角下图像的场景信息往往更加丰富, 并且对目标的定位和分类有很强的辅助作用. 传统的单发多框检测(SSD)网络在6个不同深度的特征图上对目标边框和类别独立地进行预测, 忽略了深层次特征的场景信息对浅层细节信息的辅助作用. 为有效地利用场景信息, 首先在 SSD 网络的基础上分析不同尺度的特征图对目标检测的影响; 然后结合特征金字塔和长短期记忆网络针对不同特征图建立场景辅助结构, 增强特征图的表征能力. 在自制的空对地数据集上进行实验, 并与检测领域几种经典的网络进行对比, 结果表明, 文中算法能够在保证速度的前提下高效地对目标进行检测, 比其他经典的网络有更高的检测精度.
推荐文章
尺度约束辅助的空对地目标智能检测方法
无人机
空基无人平台
目标检测
深度学习
损失优化
朴素贝叶斯
尺度约束
空对地高度自适应目标智能检测算法
空对地成像
深度学习
空基平台
高度自适应
目标检测
单发多盒探测器
基于滚动粒子群算法的空对地攻击轨迹控制决策
对地攻击
轨迹控制
滚动粒子群算法
辅助决策
星图目标检测算法研究
星图识别
维纳滤波
数学形态学
小波变换
图像降噪
软阈值
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 空对地场景信息辅助的目标检测算法
来源期刊 计算机辅助设计与图形学学报 学科 工学
关键词 空对地视角 单发多框检测网络 目标检测 场景辅助
年,卷(期) 2019,(10) 所属期刊栏目 图像与视觉
研究方向 页码范围 1795-1801
页数 7页 分类号 TP751.1
字数 4219字 语种 中文
DOI 10.3724/SP.J.1089.2019.17680
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 刘洁瑜 火箭军工程大学导弹工程学院 20 63 6.0 7.0
2 刘星 火箭军工程大学导弹工程学院 3 10 1.0 3.0
3 赵彤 火箭军工程大学导弹工程学院 3 1 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (4)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2017(2)
  • 参考文献(2)
  • 二级参考文献(0)
2018(2)
  • 参考文献(2)
  • 二级参考文献(0)
2019(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
空对地视角
单发多框检测网络
目标检测
场景辅助
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机辅助设计与图形学学报
月刊
1003-9775
11-2925/TP
大16开
北京2704信箱
82-456
1989
chi
出版文献量(篇)
6095
总下载数(次)
15
总被引数(次)
94943
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导