改进Faster-RCNN的低空小型无人机检测方法

摘要

低空空域中小型无人机具有尺度小、数量多等特点,导致其纹理特征难以提取,现有的深度学习经典检测算法对此类目标的检测精度较低.针对该问题,提出一种改进的Faster-RCNN模型.以ResNet50为前置特征提取网络,对原图逐层进行特征提取,得到多层特征图;再对特征图使用双线性差值方法进行上采样,并将各层特征图对应融合;最后输入RPN层进行二分类与边框回归,同时在感兴趣区域层利用soft-nms算法优化冗余锚框,调整待检测物的位置信息,减少漏检情况.实验结果表明,Faster-RCNN算法优化后,在自主采集的无人机数据集上针对小目标的查准率和查全率分别提高了 11.2％和27.9％.