计算机应用

作者：朱槐雨, 李博

单位：1.电子科技大学 机械与电气工程学院，成都 611731；2.电子科技大学中山学院 机电工程学院，广东 中山 528400

关键词：航拍图像,卷积神经网络,目标检测,单阶段多框检测器,特征融合

无人机（UAV）航拍图像视野开阔，图像中的目标较小且边缘模糊，而现有单阶段多框检测器（SSD）目标检测模型难以准确地检测航拍图像中的小目标。为了有效地解决原有模型容易漏检的问题，借鉴特征金字塔网络（FPN）提出了一种基于连续上采样的SSD模型。改进SSD模型将输入图像尺寸调整为320×320，新增Conv3_3特征层，将高层特征进行上采样，并利用特征金字塔结构对VGG16网络前5层特征进行融合，从而增强各个特征层的语义表达能力，同时重新设计先验框的尺寸。在公开航拍数据集UCAS-AOD上训练并验证，实验结果表明，所提改进SSD模型的各类平均精度均值（mAP）达到了94.78%，与现有SSD模型相比，其准确率提升了17.62%，其中飞机类别提升了4.66%，汽车类别提升了34.78%。

来源：2021年第11期

《计算机应用》期刊编辑部

查看计算机应用杂志2021年第11期