《雷达学报杂志》发表论文赏析

面向探地雷达常见地下目标的GDS-YOLOv8n检测方法

来源:雷达学报杂志2024年第6期北京时间:

作者:王惠琴, 杨发东, 何永强, 刘宾灿, 刘鑫

单位:1.兰州理工大学计算机与通信学院 兰州 730050;2.西北民族大学土木工程学院 兰州 730030;3.陕西建工安装集团有限公司 西安 710068;

摘要:针对当前探地雷达(GPR)图像检测中存在准确率低、误检和漏检等问题,该文提出了一种GPR常见地下目标检测模型GDS-YOLOv8n。该模型首先使用DRRB特征提取模块替换YOLOv8n模型中的部分C2f模块,旨在增强模型对多尺度特征的提取能力。其次使用SPD-Conv下采样模块替换像素为320×320及以下特征图所对应的Conv模块,有效克服分辨率受限以及存在小目标的GPR图像在下采样过程中的信息损失问题;同时利用辅助训练模块,在不增加检测阶段模型复杂度的前提下提升GPR图像的检测性能。最后,引入Inner-SIoU损失函数,在添加新约束条件的基础上,通过比例因子生成适合于当前GPR图像的辅助边界框,以提高预测框的准确性。实验结果表明,GDS-YOLOv8n模型对金属管、PVC管和电缆线等6类常见地下目标在实测GPR图像数据集上的P, R和mAP50分别为97.1%, 96.2%和96.9%,较YOLOv8n模型分别提高了4.0%, 6.1%和4.1%,尤其对PVC管和电缆线目标的检测效果提升更明显。与YOLOv5n, YOLOv7-tiny和SSD等模型相比,其mAP50分别提高了7.20%, 5.70%和14.48%。此外,将GDS-YOLOv8n模型部署到NVIDIA Jetson Orin NX嵌入式设备上,并使用TensorRT进行优化。经FP16量化后,模型的检测速度由22.0 FPS提高到40.6 FPS,能够满足移动场景下GPR地下目标实时探测任务的需求。

关键词:探地雷达, 深度学习, 雷达图像处理, 模型部署, 实时检测

基金资助:甘肃省重点研发计划 (23YFFA0060),甘肃省优秀研究生“创新之星”项目

2024年6期其他文献查阅:

一种协同二维DOA和TDOA观测量的超视距短波辐射源定位新方法

基于时频稀疏先验的天波超视距雷达瞬态干扰抑制算法

面向探地雷达常见地下目标的GDS-YOLOv8n检测方法

探地雷达多阶段级联U-Net墙内小目标三维重建方法

Track-MT3:一种基于Transformer的新型多目标跟踪算法

有限视距多传感器集群目标可扩展跟踪方法

基于神经网络的FDA-MIMO低截获发射波形和接收波束形成联合设计

基于船用导航雷达的舰船与角反组合体极化调控鉴别方法

动平台分布孔径雷达相参合成探测方法与试验验证

SAR目标识别对抗攻击综述:从数字域迈向物理域

基于干涉相位的SAR有源欺骗干扰检测的性能分析

联合干扰感知与参数估计的抗间歇采样转发干扰方法

一种基于阵列构型与阵元数量联合优化的分布式雷达主瓣干扰抑制方法

填文献完整题目 获取完整文献

填写需求
联系方式
注:学术顾问会在1小时内联系您,请留意!