本文主要研究内容
作者陶晓力,刘宁钟,沈家全（2019）在《基于深度信息融合的航拍车辆检测》一文中研究指出：随着汽车数量的快速增长以及无人机飞控技术的迅速发展,基于无人机航拍的车辆检测技术越来越有用武之地。传统的基于滑动窗口以及手工设计特征的车辆检测不仅计算量巨大,鲁棒性也不够好。卷积神经网络在目标检测方面发挥了显著的优势,但是常见的网络对于航拍遥感图像中的小目标检测效果一般。文中基于faster-RCNN在VGG16网络上使用通道合并融合的方式设计了超特征图,通过结合浅层特征以及深层特征的方式提取小目标的特征以提高检测的召回率。同时修改RPN层的包围框的大小以提高检测的准确性。在慕尼黑车辆数据集以及自己收集的数据上进行了测试,通过对比实验可知,该方法使得车辆检测的效果有了明显提升,在两个数据集上分别达到了72.3%和80.5%的mAP。
Abstract
sui zhao qi che shu liang de kuai su zeng chang yi ji mo ren ji fei kong ji shu de xun su fa zhan ,ji yu mo ren ji hang pai de che liang jian ce ji shu yue lai yue you yong wu zhi de 。chuan tong de ji yu hua dong chuang kou yi ji shou gong she ji te zheng de che liang jian ce bu jin ji suan liang ju da ,lu bang xing ye bu gou hao 。juan ji shen jing wang lao zai mu biao jian ce fang mian fa hui le xian zhe de you shi ,dan shi chang jian de wang lao dui yu hang pai yao gan tu xiang zhong de xiao mu biao jian ce xiao guo yi ban 。wen zhong ji yu faster-RCNNzai VGG16wang lao shang shi yong tong dao ge bing rong ge de fang shi she ji le chao te zheng tu ,tong guo jie ge jian ceng te zheng yi ji shen ceng te zheng de fang shi di qu xiao mu biao de te zheng yi di gao jian ce de shao hui lv 。tong shi xiu gai RPNceng de bao wei kuang de da xiao yi di gao jian ce de zhun que xing 。zai mu ni hei che liang shu ju ji yi ji zi ji shou ji de shu ju shang jin hang le ce shi ,tong guo dui bi shi yan ke zhi ,gai fang fa shi de che liang jian ce de xiao guo you le ming xian di sheng ,zai liang ge shu ju ji shang fen bie da dao le 72.3%he 80.5%de mAP。
论文参考文献
论文详细介绍
论文作者分别是来自计算机技术与发展的陶晓力,刘宁钟,沈家全，发表于刊物计算机技术与发展2019年09期论文，是一篇关于车辆检测论文,无人机论文,卷积神经网络论文,超特征图论文,小目标检测论文,计算机技术与发展2019年09期论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自计算机技术与发展2019年09期论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。
标签：车辆检测论文; 无人机论文; 卷积神经网络论文; 超特征图论文; 小目标检测论文; 计算机技术与发展2019年09期论文;