基于YOLOv5 改进的小目标检测算法

针对传统目标检测算法存在对小目标检测的识别精度低和不稳定的问题,提出基于YOLOv5 改进的小目 标检测算法。基于卷积神经网络加入额外的检测头,采用数据增强策略并更改网络卷积步长,解决了小目标像素低、 占比小、易重叠和难以分辨等问题;同时依托真实检测场景制作一个全新的针对飞机检测的卫星影像数据集,该数 据集的待检测小目标占比达61%,飞机姿态及场景丰富,有助于客观全面地验证网络精度。将改进后的算法与原始 的YOLOv5 模型进行对比,结果表明,其平均精确率AP 值较原始YOLOv5 模型提升约3%。     

基于深度学习的小样本目标检测综述

针对在小样本情况下目标检测的问题,对当前小样本条件下的目标检测方法进行归纳总结。列举4 类小 样本学习方法并介绍其优缺点,介绍目前这几类方法的典型算法;进行小样本目标检测实验设计,通过分析各方法 的特点得出其可应用方向;对目前的小样本图像目标检测存在的问题进行讨论。结果表明,该分析能为相关领域的 研究者提供更多的思路。     

基于SSD 的小目标特征强化检测算法

为解决原始单次多框目标检测(single shot multibox detector,SSD)目标检测算法中对小目标物体检测能力不足的问题,提出一种改进的SSD目标检测算法.采用VGG19作为特征提取网络,在低层特征图部分引入Conv3_3卷积特征图,对Conv4_4进行转置卷积操作,将转置卷积后得到的Conv4_3同Conv3_3的特征图进行特征拼接,实验部分使用VOC数据集对模型进行训练与测试.结果表明:该算法可提高检测能力,目标检测精度能比原始SSD算法提高3.6％,小目标检测效果比改进前也有明显提升.     

基于小波变换的小目标检测

利用小波分析的多分辨率特性和时频局部窗特性能够克服传统方法的局限,实现小目标的精确定位检测.基于小波变换的小目标检测,先利用改进的小波变换选择合理的小波基和小波变换窗口对小目标图像滤波,后结合直方图阈值分割法分割阈值.实验结果表明该方法不仅能很好保存小目标的形状特征,还能将背景几乎完全消除.     

一种基于深度学习的无人艇海上目标识别技术

目前,我国正在大力发展海洋武器装备,其无人化研究得到广泛关注,其中海上无人艇智能化是研究热点。针对我军对海上大中型目标检测和高精度定位的需求,进行基于深度学习的海上无人艇目标识别技术设计。设计了多源、多体制协同感知架构,以解决设备智能计算任务重复与资源浪费和深度学习加速问题;进行多层次特征提取、分析、融合技术设计,确定单/多传感器特征选取对象;开展基于深度学习的多特征目标检测、识别技术设计,建立基于深度学习网络的多源多维联合检测、识别处理方法。实验验证结果表明,所设计的方法对可见光图像识别率达99.7%以上,具有良好的识别效果。     

SAR 图像目标检测方法综述

目标检测是合成孔径雷达(synthetic aperture radar,SAR)图像方面的研究热点,综述SAR图像目标检测的几种方法.通过对传统方法SAR图像目标检测和基于深度学习的SAR图像目标检测进行梳理总结,从实验方面验证深度学习在复杂背景下SAR图像舰船检测存在的问题,分析目前SAR图像目标检测算法的优势和存在的不足,明确SAR图像目标检测急需解决的问题.     

目标检测网络在无人机视觉定位的应用

针对当前无人机视觉定位准确性和稳定性的难题,对目标检测网络在无人机视觉定位的应用进行分析。 依据无人机视觉定位的特点和目标检测网络的优势,以特征分层提取作为主体设计思路,通过修改SSD 网络结构, 设计损失函数、更改候选框筛选规则、合并归一化网络,提出一种将改进SSD 网络引入无人机视觉定位的算法,得 到无人机的位置信息,并验证了算法的可行性。实验结果表明：该网络能满足无人机视觉定位的要求,有一定的理 论及实用参考价值。     

一种基于显著性的红外弱小目标检测方法

红外弱小目标检测是目标识别等领域的研究热点。考虑到红外弱小图像中目标信噪比较低,且成像目标的尺度变化较大,构建一种同时考虑局部显著性特征和全局显著性特征的红外弱小目标检测框架。构建一种基于多尺度卷积核的显著性目标检测算法,将该算法与谱残差算法分别进行显著图计算;在得到局部和全局显著图后,采用形态学方法进行显著图的融合以及自适应阈值方法进行二值分割。在给定的公开数据集上的实验结果表明,该方法相对于基准的显著性算法,在目标检测的准确性和虚警率上均有明显优势。     

基于级联式Snappy-CenterNet 的锥套目标检测算法

针对空中加油因场景光照变化、环境遮挡等情况造成的锥套目标识别精度低、实时性差的问题,提出一种基于级联式Snappy-CenterNet深度网络的锥套目标检测算法。在CenterNet网络的基础上,以HourglassNet为主干网络,改进其bottleneck结构并引入中心池化的方法,对整体的网络结构进行优化,通过级联式的网络提升整体检测精度。实验结果表明：该算法可实现在多种复杂场景下对锥套目标的可靠检测,检测结果的精确率与召回率均可达99%,位置精度与区域精度分别可达99%与96%,更新率可达33.68 Hz,满足空中加油近距视觉导航阶段对于锥套识别的指标要求。     

基于改进codebook算法的运动目标检测

为解决运动目标检测算法鲁棒性和实时性差的问题,在原始codebook算法的基础上提出一种改进的codebook算法.在匹配码字时将最近更新的码字调整至码本列表的最前端,加快码字匹配的速度;以适应光照变化且运算简单的局部二值模式(local binary patterns,LBP)直方图向量代替原有的RGB向量,采用码本记录局部区域的纹理特性,并通过实验比较原始的codebook、混合高斯算法及改进后的codebook.结果表明:改进后的codebook算法较其他2种算法具有更快的处理速度和更好的检测效果,且增强对场景中光照变化的适应力.     

红外弱小目标TSA检测技术

针对红外弱小目标检测,提出了一种改进的最大类间方差算法,利用遗传算法在寻求最优解方面的优势,采用图像像素点间的类间方差作为判决函数,实现了改进的算法设计方案,达到了对类间方差阈值分割检测算法的改进;通过对真实红外视频中采样得到的红外图像进行处理,将本文算法与传统的Otsu算法进行仿真比较,实验结果证明此算法在保证了分割算法检测精度的前提下,达到了对传统算法实时处理性能上的改进,具有工程实践价值。     

基于嵌入式平台与优化YOLOv3 的航拍目标检测方法

针对部署在嵌入式平台的目标检测模型在检测航拍目标时存在的检测速率低、耗时高、存储容量低的问 题,提出一种基于优化YOLOv3 算法的航拍目标检测方法。通过模型剪枝极大地减少了模型参数量,使用二分 K-means 对传统的锚框聚类算法进行优化改进,引入CIOU 损失函数加强边界框回归效果,再经TensorRT 对模型优 化加速后将该检测模型部署到JetsonTX2 平台上。选取大量不同类别不同环境的航拍图像制作数据集进行实验对比。 结果表明：优化后的算法在检验不同航拍图像目标时平均精度可达到83.9%,对每张图片的检测速度从2.8 FPS 提升 至14.7 FPS,满足精确性和实时性要求。