| 题名 | 空地目标检测网络轻量化方法研究 |
| 作者 | 文祥宇 |
| 答辩日期 | 2021-05-21 |
| 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 | 史泽林 |
| 关键词 | 深度学习 机器视觉 目标检测 目标识别 无人机光电 |
| 学位名称 | 硕士 |
| 其他题名 | Research on Lightweight Method of Ground Target Detection Network |
| 学位专业 | 计算机应用技术 |
| 英文摘要 | 近年来，利用无人机进行对地光学目标检测在许多领域得到了广泛关注。无人机图像目标尺度小、背景复杂，检测难度大。此外，相比于服务器，小型无人机平台存在光电信息处理器内存小、算力弱等局限，处理速度慢，检测网络的轻量化设计是当前重要的一项应用基础问题，本文针对目标检测网络的轻量化问题进行了研究。首先简要介绍了目标检测相关的理论基础。针对常用目标检测网络复杂度高、处理速度慢的问题，在CenterNet网络的基础上，提出了一种基于深度卷积的目标检测网络轻量化设计：采用深度卷积结构作为网络基础，降低了网络的复杂度，进而提高了网络的检测速度；改进了网络的推理方式，加入矩形推理方法，加快网络的推理过程。在无人机数据集上的测试结果，与原CenterNet相比，所设计的轻量化网络的浮点数运算量降低了约80%，参数量减少约88%，处理速度提高为原来的2倍。为了提高网络的检测精度，在该网络的基础上，提出了一种基于特征融合的轻量化网络精度提升方法：通过添加特征融合，增强网络的检测能力；设计了一种平衡样本梯度的回归损失函数，提高了网络的检测精度；加入数据增广方法，结合用来降低网络输入端的信息损失的下采样设计，进一步提升了网络的检测效果。无人机数据集测试结果表明，本文提出的网络具有较好的检测精度和速度。 |
| 语种 | 中文 |
| 产权排序 | 1 |
| 页码 | 59页 |
| 内容类型 | 学位论文 |
| 源URL | [http://ir.sia.cn/handle/173321/28940]  |
| 专题 | 沈阳自动化研究所_光电信息技术研究室 |
| 作者单位 | 中国科学院沈阳自动化研究所 |
| 推荐引用方式 GB/T 7714 | 文祥宇. 空地目标检测网络轻量化方法研究[D]. 沈阳. 中国科学院沈阳自动化研究所. 2021. |
| 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