关注微信公众号：人工智能技术与咨询。了解更多资讯！

来源：《图学学报》。作者翟进有等

摘要：传统目标识别算法中，经典的区域建议网络(RPN)在提取目标候选区域时计算量大，时间复杂度较高，因此提出一种级联区域建议网络(CRPN)的搜索模式对其进行改善。此外，深层次的卷积神经网络训练中易产生退化现象，而引入残差学习的深度残差网络(ResNet)，能够有效抑制该现象。对多种不同深度以及不同参数的网络模型进行研究，将两层残差学习模块与三层残差学习模块结合使用，设计出一种占用内存更小、时间复杂度更低的新型多捷联式残差网络模型(Mu-ResNet)。采用Mu-ResNet与CRPN结合的网络模型在无人机目标数据集以及PASCAL VOC数据集上进行多目标识别测试，较使用ResNet与RPN结合的网络模型，识别准确率提升了近2个百分点。

关键词：无人机；残差网络；级联区域建议网络；目标识别

关注微信公众号：人工智能技术与咨询。了解更多资讯！