刘志军 张鑫 雷振超

摘要：由于检测信息的不完整，导致对无人机目标的检测质量较低，为此，提出基于深度学习的无人机目标检测算法研究。通过划分网格的方式提取目标的特征信息，并以空间坐标的形式表述，在Gabor 滤波器中建立损失函数，对丢失信息进行修复后，在卷积核对提取的特征进行学习，根据Gabor对不同特征输出结果乘积值，实现对无人机目标的检测。测试结果表明，设计方法的检测精度可以达到95%以上，正确率均值可以达到91%以上。

关键词：深度学习;无人机目标;特征信息;Gabor 滤波器;损失函数;

中图分类号：V279+.2   文献标识码：A

引言

现阶段的目标识别方法主要是从环境角度对其进行研究，也有部分学者通过对识别目标进行分割处理，在局部对比的基础上实现检测，但其均对原始数据具有较高的要求[1-2]。为此，本文提出一种基于深度学习的无人机目标检测算法研究，充分考虑原始信息存在丢失的情况，借助深度学习的优势，实现对目标的检测。

1提取无人机目标特征信息

本文首先对无人机目标的特征进行提取。将无人机目标的特征表示为Di，其中，i表示检测目标的特征数。以此为基础，将待识别的目标划分为若干个单元格，在每个单元格内逐个统计目标特征所在的位置，并结合单元格边界框与特征的重叠率对每个特征出现的条件概率进行统计，这样做的目的是降低由于边界特征丢失引起的检测误差。在提取特征的过程中……