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:
为了解决复杂图像背景下无人机航拍图像小目标检测问题,提出了一种基于Faster R-CNN的多尺度小目标检测方法.以高压塔上的鸟巢为检测对象,首先通过改进卷积神经网络ResNet101对目标进行特征提取,然后采用多尺度滑动窗口方式在不同分辨率卷积特征图上获取目标初始建议区域,最后在选取的分辨率较高的卷积特征图上增加一个反卷积操作进一步对特征图的分辨率进行提升,并作为建议窗口的特征映射层传入目标检测子网络中.通过对无人机实际航拍图像中鸟巢的检测结果表明,所提出的算法可以实现对航拍图像中小目标的精确检测.
推荐文章
基于改进Faster R-CNN的无人机航拍图像目标检测
无人机图像
目标检测
Faster R-CNN算法
K-means聚类
旋转不敏感
基于Faster R-CNN的无人机侦察目标检测方法
无人机
目标检测
卷积神经网络
准确率
基于改进Faster R-CNN的无人机视频车辆自动检测
智能交通
车辆检测
深度学习
无人机视频
Faster R-CNN
基于无人机航拍图像的公路标线检测算法
航拍图像
标线检测
深度学习
FasterR-CNN
无人机
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Faster R-CNN的无人机航拍图像小目标检测
来源期刊 测试科学与仪器 学科 工学
关键词 Faster R-CNN ResNet101 无人机 小目标检测 鸟巢
年,卷(期) 2020,(1) 所属期刊栏目
研究方向 页码范围 11-16
页数 6页 分类号 TP183
字数 406字 语种 英文
DOI 10.3969/j.issn.1674-8042.2020.01.002
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 李晨阳 北京交通大学机械与电子控制工程学院 12 44 4.0 6.0
2 王纪武 北京交通大学机械与电子控制工程学院 8 20 2.0 4.0
3 罗海保 北京交通大学机械与电子控制工程学院 6 2 1.0 1.0
4 鱼鹏飞 北京交通大学机械与电子控制工程学院 7 4 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  (1)
同被引文献  (0)
二级引证文献  (0)
1998(1)
  • 参考文献(1)
  • 二级参考文献(0)
2006(1)
  • 参考文献(1)
  • 二级参考文献(0)
2015(1)
  • 参考文献(1)
  • 二级参考文献(0)
2017(1)
  • 参考文献(1)
  • 二级参考文献(0)
2020(1)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(1)
  • 二级引证文献(0)
2020(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
Faster R-CNN
ResNet101
无人机
小目标检测
鸟巢
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
测试科学与仪器
季刊
1674-8042
14-1357/TH
山西省太原市学院路3号
eng
出版文献量(篇)
843
总下载数(次)
4
总被引数(次)
896
论文1v1指导