基于注意力与通道重排的无人机对地目标检测算法.pdf
《基于注意力与通道重排的无人机对地目标检测算法.pdf》由会员分享,可在线阅读,更多相关《基于注意力与通道重排的无人机对地目标检测算法.pdf(8页珍藏版)》请在咨信网上搜索。
1、第 卷 第 期兵 器 装 备 工 程 学 报 年 月 收稿日期:修回日期:作者简介:李佳一()女硕士研究生:.通信作者:闫振纲()男博士高级工程师硕士生导师:.:./.基于注意力与通道重排的无人机对地目标检测算法李佳一闫振纲闫克丁赵英然檀蕊莲梁 超(.西安工业大学 电子信息工程学院 西安.北京航宇创通技术股份有限公司 西安.西安现代控制技术研究院 西安)摘要:无人机自主察打对地攻击场景中针对无人机作战时效性强地面目标识别场景复杂存在模型训练、推理速度慢小目标检测漏检、误检的问题提出一种基于注意力机制与通道重排思想的无人机对地目标检测算法 该算法引入()注意力机制可提高网络对关注部分的特征提取能
2、力且对主干网络进行通道重排()轻量化处理可有效减少多次卷积造成的特征损失最后为提升战时训练及推理速度替换部分激活函数为 优化其损失函数为()实验证明:采用改进的新算法提升了.训练速度目标识别的平均精度均值()达.可实现最小目标检测为 像素经 加速后检测速率达.满足实时检测需求针对复杂地形下的坦克小目标检测性能较好关键词:小目标检测深度学习注意力机制通道重排轻量化模型本文引用格式:李佳一闫振纲闫克丁等.基于注意力与通道重排的无人机对地目标检测算法.兵器装备工程学报():.:.():.中图分类号:文献标识码:文章编号:()(.):().().().().:引言无人机凭借自身成本低、灵活性高、操作简
3、单、体积小等优点在俄乌冲突、叙利亚战场等战争中崭露头角目标检测技术使得无人机在战场中具有更强的环境感知和识别打击对象能力也因此取得了显著成果 当前无人机对采集视频的处理主要通过数据链传输到地面站这对数据链带宽要求很高存在战时容易被干扰、同时传输视频路数有限、通信时延较长等缺点 而考虑无人机机载嵌入式设备在任务中直接对采集的视频进行处理的方法可实现目标检测并将相关信息传输给地面指挥单元该方法对传输带宽要求不高可大大增加指控无人机数量实现无人机集群侦察同时降低通信时延缩短从发现目标到打击目标的时间 相较于雷达、无线电等探测技术的应用基于深度学习的视觉方法具备低成本、高效率等优点 因此提高识别精度与
4、提升训练、推理速度对无人机目标检测的研究具有重要意义由于无人机在对地目标检测中存在目标较小、目标尺度差异较大与场景复杂等问题采用传统检测的手工特征方法难以适应多样化的数据且经典的滑动窗口检测虽然不需要预处理即可应用于不同的检测任务但是处理速度很慢难以满足实时性检测的需求 而基于深度学习的目标检测方法可以通过大量的数据集训练提取到目标的特征表示具有强大的特征学习和表达能力且算法实时性较强可应用于无人机机载实时目标检测 如、等目标检测算法在实验中都体现了较好的效果 文献通过引入轻量化结构对原 算法的主干网络进行重构并对网络结构的中间层进行通道剪枝降低模型参数量为部署在移动端设备奠定基础优化超参提高
5、检测精度实现了针对番茄果实的实时定位和成熟度检测陈旭等提出基于改进 的浅层网络引入自适应金字塔池化模块和注意力机制提高了检测精度和模型的鲁棒性文献为便于无人机捕获场景中的小目标在原 算法中引入深度可分离卷积和多尺度特征融合技术降低模型参数量和计算量并提高模型的检测精度增强模型对小目标的检测能力但是仍存在漏检与误检问题文献提出轻量化的目标检测网络 并引入注意力机制增强对不同尺度目标的检测能力有效提升了检测效率 可以看出注意力机制以及网络结构的改进的应用对弱小目标的检测具有重要意义因此本文中提出注意力与通道重排的 目标检测算法通过优化算法的主干网络结构减少网络的计算参数与运算量便于嵌入式设备部署然
6、后构建上下文信息关联引入注意力机制增强对特定场景下小目标的特征提取能力同时优化其 阈值及损失函数提升模型训练与推理速度以满足战时实时性需求 理论基础.算法原理 算法不同于传统的检测算法是单阶段的检测器可使用深度卷积神经网络实时预测输入图像中目标的位置与类别 是当前应用较广泛的目标检测算法其网络结构的输入端采用了与 一样的数据增强针对 张图片随机缩放、随机剪裁、随机排布进行拼接丰富数据集减少 计算与 不同 在主干网络中设计了 种 结构 主要应用于主干网络 则应用于 部分 的 部分与 的一样采用特征金字塔结构和路径聚合网络自顶向下传递融合特征信息自底向上传达定位特征 相较于同系列的其他算法 是深度
7、与宽度最小的网络网络规模较小有益于机载嵌入式部署的实现且识别速度较快有益于开展本文中的实时检测任务.轻量化网络结构由于 的主干网络主要采用 结构提取特征处理过程使用大量卷积操作产生较大参数量不易在移动设备上应用且训练速度较慢不利于本文中的研究应用基于此尝试使用轻量化网络结构思想改进原算法中特征提取网络从而满足嵌入式模型部署推理的实时性需求 图 中的()是 的结构模块图 特征图进入该模块进行通道拆分()特征图通道被均分为 个分支一个分支不作处理可以保留卷积前的部分特征另一李佳一等:基于注意力与通道重排的无人机对地目标检测算法个分支由 个卷积组成其中含 卷积是一个卷积核对应一个通道如图 的()分别
8、对不同通道的特征图进行卷积操作之后将处理后的特征图进行 操作再送入通道打乱()模块进行下一步处理 处理示意图如图 的()所示 其中最左图示意为特征图的三通道中间图示意将特征图进行分组排列由于 卷积操作导致特征图通道之间的通信减少特征提取能力削弱为建立不同通道之间的信息关联采用通道重排模块对不同通道中的特征进行融合提高信息的表达能力最终以低成本的计算构建通道之间的联系.注意力机制模块原算法中特征提取网络只能提取局部的特征随着网络加深小目标的特征越来越不显著因此采用注意力机制建立较深网络下的特征依赖加入()模块 与 机制类似的模块还有 结构()经多次实验对比最终采用 注意力机制模块如图 所示 不仅
9、考虑了通道的信息也可以减少目标位置信息的丢失构建视觉任务中前后文的联系增强依赖关系图 轻量化网络通道重排及 卷积结构.图 注意力机制图.结构模块为避免空间信息损失利用 个一维平均池化操作分别从垂直和水平方向对输入的特征图提取 个独立方向的感知特征图如式()、式()所示()()()()()()该式主要用于求取 通道上张量 分别在 行、列上的平均值其中/(/)为与高度 或者宽度 的第 通道的输出输入 的特征图分别按垂直和水平的方兵 器 装 备 工 程 学 报:/./向进行池化分别生成 和 的特征图如图 所示图 特征图映射结构.目标在特征图中保留 个方向的长距离依赖关系进行 处理后一同做卷积操作对信
10、息进行融合归一化、非线性激活函数等操作如式()所示 ()()式()中:表示沿空间维度的级联操作是 卷积变换函数由于 函数在嵌入式环境中的计算代价较高本文中采用的是 函数更便于在移动设备上应用且计算开销较低如式()、式()所示 ()()()()()()之后再对特征图在水平和垂直方向同时进行卷积送入 激活函数式()所示 ()()()得到的注意力图可以准确地定位出目标对象的位置()为映射的对应位置的权重 最终的 模块输出为式()所示()()()()()注意力机制构建了空间和通道之间的关系考虑长距离特征依赖的问题 实验发现该模块在精度方面有提升且参数量、计算量较少 目标检测算法.网络结构设计为提高无人
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 注意力 通道 重排 无人机 目标 检测 算法
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。