声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：51-1267/TN
国际刊号：1001-893X
发布日期:
作者：赵青,察豪,牟伟琦,罗宇
单位：(1.海军工程大学 电子工程学院，武汉 430033;2.中国人民解放军32212部队，北京 100036)
关键词：无人机蜂群；光学检测；空中多目标检测；多尺度特征；特征融合；
为解决由于空中多目标及其多尺度特征导致的目标检测召回率低、精确度低等问题，提出了一种基于YOLOv7改进的无人机多目标光学检测方法。针对无人机蜂群目标，使用K-means算法对自制的多尺度无人机数据集（Multi Scale Drone Dataset，MSDD）优化聚类，对原有YOLOv7锚框进行增改；在特征融合网络部分加深网络层数，使更深层的特征与浅表特征进一步融合，增强小尺度目标的特征表达能力；在网络预测部分增加一个极小目标预测头，有效增强多尺度、多目标的检测性能。较原YOLOv7算法，改进算法在自制数据集上mAP达到75.69%，提升了6.25%，对于多尺度特征的无人机多目标检测具有更好检测效果。
来源：2024年第8期
《电讯技术》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。