, ,,吴贤，吕智虎

(空军工程大学 空管领航学院 陕西省电子信息系统综合集成重点实验室,西安 710051)

0 引言

无人机凭借着其战损小、机动性高、隐蔽性强等特点正逐步发展成为现代军事战争中重要的空基武器平台[1-2]。美军在其2016年发布的《小型无人机系统飞行规划：2016-2036年》中明确指出要增加对小型侦察无人机开发的投资，防止对手利用能够执行大量侦察任务的小型无人机系统制造与美军的差距[3-4]。目标识别是无人机遂行打击、毁伤评估等后续任务的前提条件和基础，具有重要的研究意义。

近年来，深度学习理论和计算机硬件的飞速发展，极大提升了图像目标识别与分类的速度和准确度[5],同时也为侦察无人机自主目标识别任务提供了新的解决方案。目前，目标检测领域的深度学习算法主要分为一阶段(one-stage)算法和二阶段(two-stage)算法[6-11],前者以YOLO系列算法为代表，具有网络结构简单、识别速度快的优点，主要应用于对实时性要求较高的场合，比如自动驾驶、机械臂等。后者以RCNN系列算法为代表，通过候选框提取、框分类与回归两个阶段的算法获得了更高的准确度，更多地应用在对检测速度要求不高的高精度检测领域。在二阶段检测算法中，Faster RCNN算法作为RCNN系列中的第三代算法，是目前对于各类数据集检测精度最高的算法[12]，被广泛地应用到了包括卫星遥感、航拍图像等诸多领域。

针对无人机自主侦察任务中在线目标识别与定位的需求，本文提出了一种基于改进Faster RCNN算法的无人机自主识别与定位的方法。……