桂林网站优化公司,企业品牌类网站有哪些,淘宝网站开发者,个人网站的制作论文doi#xff1a;10.11884/HPLPB202335.230026 大视场中的目标丢失后需要再次检测#xff0c;但是大视场的检测比较耗时。但是根据实验发现丢失目标通常发生在无人机运动区域的320x320范围内#xff0c;所以设计辅助网络#xff0c;当目标丢失后#xff0c;以320x320区域图像…doi10.11884/HPLPB202335.230026 大视场中的目标丢失后需要再次检测但是大视场的检测比较耗时。但是根据实验发现丢失目标通常发生在无人机运动区域的320x320范围内所以设计辅助网络当目标丢失后以320x320区域图像作为输入使用辅助网络进行目标检测加快了检测速度。 主网络因为负责大视场的检测其优化目标为对小目标的检测。主网络的输入尺寸为1024x1024。在SPPF前添加SE注意力在预测部分增加小目标检测层提高小目标检测效果设计特征图融合提高对8x8目标的检测。 辅助网络用于在丢失点附近区域快速检测再次出目标所以输入图像是实验总结出来的320x320其优化目标为快。使用GhostNet替换大参数量的C3结构去除了40x40的特征图 特征图分辨率最小检测目标其映射到特征图至少需要1个像素点表示320x320-40x408x8及以上20x2016x16及以上根据文中描述无人机尺寸都在16x16以上所以40x40检测8x8~16x16部分的没有使用到而16x16以上的也可以从其他特征图被解码出来所以其功能重合了为追求速度舍去了40x40的特征图分支。 当然以上的前提是基于其映射到特征图至少需要1个像素点表示这样的认知否则其信息就会没淹没在该特征图的背景中不利于解码。 优化CSRT算法。该算法使用HOG特征进行匹配而HOG中涉及金字塔算法所以借助GPU并行能力进行速度优化。 特征点打击点提取算法a起火时有非常明亮的光斑直接二值化质心提取b捕获时OTSU二值化-先开后闭去噪-拉普拉斯边缘检测得到轮廓-求轮廓质心 值得借鉴的是1大小分辨率捕获模式兼顾速度和性能2特征点的提取方法虽然能够想到但是看到大家都这么干证明该方法可行。