基于坐标注意力机制融合的反无人机系统图像识别方法

作     者：薛珊 陈宇超 吕琼莹 曹国华 Xue Shan;Chen Yuchao;Lv Qiongying;Cao Guohua

作者机构：长春理工大学机电工程学院吉林长春130022 长春理工大学重庆研究院重庆400000 

基　　金：吉林省科技厅重点科技研发项目(20180201058 SF) 吉林省教育厅科学技术研究项目(JJKH20210812 KJ) 

出 版 物：《红外与激光工程》 (Infrared and Laser Engineering)

年 卷 期：2022年第51卷第9期

页      码：407-417页

摘      要：反无人机系统是识别和打击“黑飞”无人机的有效手段,图像识别无人机是反无人机系统的关键之一。针对采集的无人机样本属于小样本、提取特征不够多,识别准确率不够高的问题,提出了一种基于迁移学习、密集卷积网络和坐标注意力机制融合的反无人机系统图像识别方法。首先,运用自制设备采集了多种无人机在不同背景下的图片,建立数据样本;其次,设计针对无人机小样本识别的基于迁移学习、坐标注意力机制和密集卷积网络融合的网络TL-CA4-DenseNet-121、基于通道注意力机制融合的网络TL-SE4-DenseNet-121等网络,运用设计的网络对小样本进行识别,并进行对比,然后分别进行了基于不同位置和不同个数的坐标注意力模块和通道注意力模块的网络识别实验;最后,将识别效果最优的网络与经典卷积神经网络模型进行对比实验。实验结果表明,提出的TL-CA4-DenseNet-121网络识别效果优于其他网络,识别的平均准确率为97.93%,F1-Score为0.982 6,网络训练时间为6 832 s。结果表明了该网络在识别小样本无人机方面的优越性和可行性。

主 题 词：无人机 图像识别 坐标注意力机制 密集卷积网络 

学科分类：081203[081203] 08[工学] 0835[0835] 0812[工学-测绘类] 

核心收录：

D　O　I：10.3788/IRLA20211101

馆 藏 号：203114639...