电讯技术

作者：程千顷,王红军,丁希成,陈璐

单位：(国防科技大学 电子对抗学院，合肥 230037)

关键词：小型无人机；图像识别；迁移学习；集成学习；深度学习；

基金：安徽省融合专项(KY21C008)；湖南省研究生科研创新项目(CX20200089)；理论研究课题(KY20S011)

针对当前小型无人机目标图像识别方法准确率较低的问题，提出了一种基于迁移集成学习的无人机图像识别算法。首先，基于AlexNet、VGGNet-19、Inception-V3以及ResNet-50四种结构具有差异的卷积神经网络对源数据集进行预训练，获取图像的深层次特征；然后，对目标数据集进行迁移学习，得到目标的分类特征，构建分类模型；之后，采用相对多数投票法和加权平均法的集成学习方法，对分类模型进行集成得到迁移集成模型。构建了一个包含小型无人机图像、飞鸟图像以及直升机图像的图像数据集UavNet，在对数据集进行数据增强的基础上开展了图像识别算法性能实验，结果表明，算法对多类目标的识别准确率为99.42%，无人机类目标识别的F1-score指标为99.12%，优于主流的卷积神经网络方法和传统的支持向量机方法，具有一定的理论意义和应用价值。

来源：2023年第9期

《电讯技术》期刊编辑部

查看电讯技术杂志2023年第9期