《系统工程与电子技术杂志》发表论文赏析
作者:程鲲, 雷洪涛*, 吕志轩
单位:1. 国防科技大学系统工程学院,湖南 长沙 410073;2. 中国人民解放军 63791部队,四川 西昌 615000
摘要:现有无人机跟踪方法存在对远距离无人机检测精度较低、参数量大难以实时跟踪、目标易丢失的问题。因此,提出一种基于改进YOLOv8(you only look once version 8)的轻量级无人机跟踪方法。针对现有方法对远距离无人机检测精度较低的问题,以YOLOv8为基线模型,替换网络结构中原始卷积模块为空间到深度分组的卷积,在降低网络参数的基础上提高模型对小目标的特征提取能力。针对模型参数量大导致模型难以实时跟踪的问题,设计一种深度可分离混洗网络结构作为模型主干网络,在保证检测精度的同时缩减模型参数量。针对普通跟踪模型跟踪易丢失的问题,结合改进检测模型与ByteTrack算法提高对复杂环境下无人机的跟踪性能。在Real World数据集上对跟踪方法进行验证,相较基线模型,改进无人机检测模型的检测精度提高1.6%,召回率提高0.8%,F1度量值提高0.2,平均检测精度提高0.5%,参数量减小0.2×106,证明模型有较好的检测精度和实时性。对无人机飞行视频进行跟踪测试,结果表明所提方法对无人机跟踪有较好的性能。
关键词:深度学习,目标检测,目标跟踪,深度可分离网络结构,YOLO
基金资助:湖南省杰出青年基金(2022JJ10069)资助课题
2026年3期其他文献查阅:
MFA-Net:一种面向复杂对抗环境的反舰导弹智能识别多模态自适应融合网络
考虑多种故障模式和多阶段故障过程的装备预防性维修策略优化模型
基于弧有向加权时序网络超邻接矩阵列的节点重要性序结构演化辨识
基于TS-OMP的IRS辅助毫米波大规模MIMO信道估计方案