| 题名 | 面向无人机的地面车辆识别算法研究 |
| 作者 | 张钟毓1,2 |
| 答辩日期 | 2020-05-26 |
| 授予单位 | 中国科学院沈阳自动化研究所 |
| 授予地点 | 沈阳 |
| 导师 | 刘云鹏 |
| 关键词 | 无人机 卷积神经网络 目标识别 注意力机制 |
| 学位名称 | 硕士 |
| 其他题名 | Research on Vehicle Recogonation Algorithm Towards Unmanned Aerial Vehicle |
| 学位专业 | 模式识别与智能系统 |
| 英文摘要 | 使用无人机进行图像采集与目标识别在军事领域得到了越来越广泛的关注，但是由于无人机的拍摄高度距离目标较远、拍摄视角均为俯视等原因，造成了图像中地面目标的体积较小、形状扁平、树木或房屋遮挡情况较严重，现有的目标识别算法应用在上述场景中效果较差。本文着重对面向无人机的地面车辆目标的快速、准确识别进行研究，论文的主要工作成果如下：首先，通过分析面向无人机的目标识别任务的发展历程与任务特点，总结出本课题的重点关注方向，为进一步开展面向无人机的地面车辆目标识别算法研究提供了依据；其次，现有的目标识别算法大多使用的是人工设计的特征，在面向无人机的目标识别任务时准确度较差、速度较慢。针对以上情况，我们设计了一种新的基于深度学习的单阶段目标识别网络模型DRFP。该模型以残差结构为骨架，使用特征金字塔结构实现特征融合；同时在交叉熵损失函数中添加了调整因子，从而实现了对难样本的重点关注；并且使用高斯型非极大值抑制算法提高目标密集区检出率。在无人机航拍数据集上的综合评价结果表明，该模型具有较好的识别速度，但是精度没有达到两阶段模型的水平。最后，我们在上述模型的基础上，将注意力机制与特征融合相结合，大幅提高了识别准确率，但同时造成了识别速度的下降。为了实现实时性识别的目标，我们使用模型压缩的方法进行改进，并最终提出了一种无人机航空影像车辆目标实时识别模型DAGN。在多个无人机航拍图像数据集上的评估结果表明，该方法具有较好的识别准确度和速度。 |
| 语种 | 中文 |
| 产权排序 | 1 |
| 页码 | 67页 |
| 内容类型 | 学位论文 |
| 源URL | [http://ir.sia.cn/handle/173321/27119]  |
| 专题 | 沈阳自动化研究所_光电信息技术研究室 |
| 作者单位 | 1.中国科学院沈阳自动化研究所; 2.中国科学院大学 |
| 推荐引用方式 GB/T 7714 | 张钟毓. 面向无人机的地面车辆识别算法研究[D]. 沈阳. 中国科学院沈阳自动化研究所. 2020. |
| 个性服务 |
| 查看访问统计 |
| 相关权益政策 |
| 暂无数据 |
| 收藏/分享 |
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。
修改评论