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:
针对战场环境下装甲目标的检测任务,提出一种基于轻量级网络的快速检测方法.首先以轻量级卷积神经网络MobileNet作为骨架网络,构建一个多尺度的单步检测网络;然后针对装甲目标的尺寸分布情况使用分辨率更高的卷积特征图,并在每个检测单元上新加入一个残差模块,增强了对小尺度目标的检测能力;最后引入focal-loss损失来替代传统的交叉熵损失函数,有效地克服了训练过程中存在的正负样本分布极度不平衡的问题.针对装甲目标构建了专用的目标检测数据集,并在该数据集上对几种目前主流的单步检测方法进行了训练和测试,实验结果表明,该方法在检测精度、模型容量以及运行速度上均取得了较好的效果,对于无人机等小型移动侦查平台具备良好的适用性.
推荐文章
轻量级网络入侵检测系统--Snort的研究
Snort
入侵检测系统
轻量级
规则
基于轻量级卷积神经网络的实时缺陷检测方法研究
卷积神经网络
深度可分离卷积
通道混洗
缺陷检测
基于轻量级深度网络的目标识别方法
深度学习
目标识别
轻量化
嵌入式应用
基于轻量级人工免疫计算的混合入侵检测方法
轻量级
人工免疫计算
最小信息熵离散化
主元分析算法(PCA)
静态克隆选择算法
动态克隆选择算法
混合入侵检测系统
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 基于轻量级网络的装甲目标快速检测
来源期刊 计算机辅助设计与图形学学报 学科 工学
关键词 装甲目标 轻量级卷积神经网络 目标检测 单步检测器
年,卷(期) 2019,(7) 所属期刊栏目 图像与视觉
研究方向 页码范围 1110-1121
页数 12页 分类号 TP391.41
字数 10015字 语种 中文
DOI 10.3724/SP.J.1089.2019.17467
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 常天庆 陆军装甲兵学院兵器与控制系 16 21 3.0 4.0
2 张雷 陆军装甲兵学院兵器与控制系 18 22 3.0 4.0
3 杨国振 陆军装甲兵学院兵器与控制系 5 4 1.0 2.0
4 韩斌 陆军装甲兵学院兵器与控制系 1 0 0.0 0.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (9)
共引文献  (9)
参考文献  (5)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1989(1)
  • 参考文献(0)
  • 二级参考文献(1)
2010(4)
  • 参考文献(1)
  • 二级参考文献(3)
2013(2)
  • 参考文献(0)
  • 二级参考文献(2)
2014(1)
  • 参考文献(0)
  • 二级参考文献(1)
2015(1)
  • 参考文献(1)
  • 二级参考文献(0)
2016(3)
  • 参考文献(1)
  • 二级参考文献(2)
2017(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
装甲目标
轻量级卷积神经网络
目标检测
单步检测器
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
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导