基于区域卷积神经网络的空中飞行物识别算法
基于区域卷积神经网络的空中飞行物识别算法
复制标题
DOI：
10.13873/j.1000-9787(2021)01-0110-04
复制
发表时间：
2021
期刊：
影响因子：
--
通讯作者：
李筠
中科院分区：
文献类型：
--
作者：
刘聪聪;应捷;杨海马;刘瑾;李筠
针对飞行物检测中,由于目标背景复杂、姿态不一导致的识别准确率低的问题,提出改进的基于区域卷积神经网络Faster R-CNN的空中飞行物识别算法,使用消色差折射式望远镜ETX80和个人电脑(PC)构建空中飞行物识别系统。首先,构建包含无人机、飞机和飞鸟三种飞行物的数据集,对数据集进行标注和划分;然后,利用ResNet101深度残差网络提取图像特征,并输入构建的深度学习网络模型进行训练,网络模型包括区域建议网络、感兴趣区域池化层和分类层。测试结果证明:该方法能够在不同背景下的无人机、飞机、飞鸟三类空中飞行物的识别上达到良好的效果,检测平均准确率为96.7 %,比FasterRCNN算法提高3.1 %。