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:
提出了一种基于级联神经网络的无人机目标关键点检测算法.该算法采用的网络由两部分级联而成:网络1负责对目标整体进行检测;网络2接收目标图像作为输入,输出目标上关键点位置信息.针对现有方法通过加深网络提升准确性带来的低实时性问题,该算法通过引入两种跨层级连接方式,加强神经网络对全局信息的重利用,提升关键点定位的准确性,同时利用深度可分离卷积降低网络参数量,提升实时性.经测试集数据验证,该算法在复杂环境下关键点定位相对误差为0.03,在Nvidia GeforceGTX 1080ti上平均运行速度为28f/s.在保证较高定位准确性的同时,满足当前应用对算法实时性的要求.
推荐文章
采用深度神经网络的无人机蜂群视觉协同控制算法
无人机编队
端到端控制
目标检测识别
神经网络剪枝
视觉跟随控制
一种基于深度神经网络的基音检测算法
基音检测
深度神经网络
监督学习
维特比算法
基于PSO神经网络的察/打无人机武器发射过程参数预测
察/打无人机
武器发射
RBF神经网络
PSO算法
参数预测
尺度无关的级联卷积神经网络人脸检测算法
级联卷积神经网络
空间金字塔池化
人脸检测
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 一种基于级联神经网络的无人机目标关键点检测算法
来源期刊 光学与光电技术 学科 工学
关键词 无人机 关键点检测 级联网络 跨级连接 深度可分离卷积
年,卷(期) 2020,(2) 所属期刊栏目 图像与信号处理
研究方向 页码范围 60-68
页数 9页 分类号 TP391
字数 语种 中文
DOI
五维指标
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  (2)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1995(1)
  • 参考文献(1)
  • 二级参考文献(0)
2016(1)
  • 参考文献(1)
  • 二级参考文献(0)
2020(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
无人机
关键点检测
级联网络
跨级连接
深度可分离卷积
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
光学与光电技术
双月刊
1672-3392
42-1696/O3
大16开
武汉市阳光大道717号
38-335
2003
chi
出版文献量(篇)
2142
总下载数(次)
3
总被引数(次)
9791
论文1v1指导