摘要
针对海面搜寻航空器效率低下的问题,为保障搜寻救援效率和相关人员的生命及财产安全,提出了一种基于YOLO架构的卷积神经网络对无人机拍摄的海面图像中的航空器进行识别检测方法,对航空器特殊情况下的最新检测和识别方法的性能进行了测试。在“You Only Look Once”方法的基础上,测试了两个较为常用的一步目标检测神经网络架构YOLO V.3和TINY YOLO V.3。在卷积神经网络体系结构的基础上,构建专门的图像数据库和测试数据库并投入使用。研究表明,该模型能够准确识别海面目标航空器,并具有较高的图像处理速度、识别能力、定位精度和实时处理速度。该方法可以有效实现海面目标航空器的识别,达到搜寻海面航空器的目的。
A new recognition method based on convolutional neural network is proposed to improve performance of sea surface target detection and protect the lives and property of rescue workers.YOLO V.3 and TINY YOLO V.3,two commonly used one step neural network detection system from the Based on the convolutional neural network system,specialized image database and test database have been built and utilized.Research shows this model is extremely fast and accurate in target identification on ocean,image processing and recognition,positioning and real⁃time processing,and the purpose of identifying the aircraft can be achieved.
作者
潘卫军
刘皓晨
段英捷
PAN Weijun;LIU Haochen;DUAN Yingjie(Air Traffic Management Institute,Civil Aviation Flight University of China,Guanghan 618307,China)
出处
《电子设计工程》
2020年第23期5-8,13,共5页
Electronic Design Engineering
基金
国家自然科学基金重点项目(U1733203)
中国民用航空飞行学院大学生创新创业训练计划项目(S202010624010)
中国民用航空飞行学院研究生科研创新计划项目(X2020-31)
民航局安全能力建设基金资助项目(TM2019-7-1/2)。
