| 基于深度迁移学习的复杂机场场景飞机目标检测方法 | |
| 其他题名 | Enhancing Aircraft Object Detection in Complex Airport Scenes Using Deep Transfer Learning |
| 钟聃1; 李铁虎2; 李诚3 | |
| 作者部门 | 飞行器光学成像与测量技术研究室 |
| 2024-04 | |
| 发表期刊 | 光子学报
 |
| ISSN | 10044213 |
| 卷号 | 53期号:4 |
| 产权排序 | 3 |
| 摘要 | 提出了一种改进的深度学习模型，旨在解决检测问题。首先基于迁移学习，微调预训练模型，提高了模型在有限的飞机数据集中的特征提取能力。其次，融入调整模块以增加深层特征图的感受野，提升模型的鲁棒性。引入特征金字塔网络，融合不同尺度的特征信息，进一步增强多尺度特征提取能力。最后，优化了检测头，融合轻量化的分类和回归并行分支，平衡了目标检测的准确性和实时性。构建了易于拓展的Aeroplane数据集，并对所提方法进行了实验验证。结果表明，所提模型在单架飞机、相互遮挡的飞机和小飞机的检测中平均精度分别提高了4.9%、4.0%和4.4%。所提方法在不同环境下表现优于其他经典方法，包括各类遮挡和夜间、雾天等复杂场景，具有良好的场景鲁棒性。 |
| 关键词 | 深度学习 飞机目标检测 迁移学习 机场场面 特征金字塔网络 |
| DOI | 10.3788/gzxb20245304.0415002 |
| 收录类别 | EI |
| 语种 | 中文 |
| EI入藏号 | 20241715960809 |
| 引用统计 | |
| 文献类型 | 期刊论文 |
| 条目标识符 | http://ir.opt.ac.cn/handle/181661/97428 |
| 专题 | 飞行器光学成像与测量技术研究室 |
| 通讯作者 | 钟聃 |
| 作者单位 | 1.西北工业大学自动化学院 2.西北工业大学材料学院 3.中国科学院西安光学精密机械研究所 |
| 推荐引用方式 GB/T 7714 | 钟聃,李铁虎,李诚. 基于深度迁移学习的复杂机场场景飞机目标检测方法[J]. 光子学报,2024,53(4). |
| APA | 钟聃,李铁虎,&李诚.(2024).基于深度迁移学习的复杂机场场景飞机目标检测方法.光子学报,53(4). |
| MLA | 钟聃,et al."基于深度迁移学习的复杂机场场景飞机目标检测方法".光子学报 53.4(2024). |
| 条目包含的文件 | ||||||
| 文件名称/大小 | 文献类型 | 版本类型 | 开放类型 | 使用许可 | ||
| 基于深度迁移学习的复杂机场场景飞机目标检（2777KB） | 期刊论文 | 出版稿 | 限制开放 | CC BY-NC-SA | 请求全文 | |
| 个性服务 |
| 推荐该条目 |
| 保存到收藏夹 |
| 查看访问统计 |
| 导出为Endnote文件 |
| 谷歌学术 |
| 谷歌学术中相似的文章 |
| [钟聃]的文章 |
| [李铁虎]的文章 |
| [李诚]的文章 |
| 百度学术 |
| 百度学术中相似的文章 |
| [钟聃]的文章 |
| [李铁虎]的文章 |
| [李诚]的文章 |
| 必应学术 |
| 必应学术中相似的文章 |
| [钟聃]的文章 |
| [李铁虎]的文章 |
| [李诚]的文章 |
| 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