ANN是基于人腦神經(jīng)網(wǎng)絡(luò)對信息處理分類的一種簡化模擬，由大量的神經(jīng)元節(jié)點(diǎn)連接構(gòu)成，通過調(diào)整網(wǎng)絡(luò)結(jié)構(gòu)、網(wǎng)絡(luò)連接方式、節(jié)點(diǎn)激活函數(shù)和節(jié)點(diǎn)間權(quán)值進(jìn)而對輸出進(jìn)行調(diào)整。根據(jù)訓(xùn)練結(jié)構(gòu)特點(diǎn)可分為前饋網(wǎng)絡(luò)、反饋網(wǎng)絡(luò)和競爭學(xué)習(xí)網(wǎng)絡(luò)。人工神經(jīng)網(wǎng)絡(luò)通過訓(xùn)練具有良好的聯(lián)想記憶能力，且具有高精度、高并行性、非線性、良好的容錯(cuò)性和泛化性等優(yōu)點(diǎn)，不足之處是需要大量訓(xùn)練樣本和一定的硬件基礎(chǔ)，且需要人為經(jīng)驗(yàn)來設(shè)置參數(shù)。

 

 

       4.1基于多尺度形變部件模型

 

       多尺度形變部件模型（Deformable Part Model, DPM）算法是一種基于部件的檢測算法，曾多次獲得PASCAL VOC（Visual Object Class）挑戰(zhàn)賽冠軍，是深度學(xué)習(xí)出現(xiàn)之前應(yīng)用最廣泛、效果最好的目標(biāo)檢測算法。DPM由滑動(dòng)窗口、改進(jìn)的HOG特征和SVM分類器組合而成，如圖4所示。

 

 

       DPM算法通過構(gòu)建高斯金字塔，在多尺度空間進(jìn)行檢測，每一尺度層的DPM模型包含一個(gè)根模型和幾個(gè)可變部件模型，根模型的分辨率是可變部件模型的1/2。目標(biāo)檢測的結(jié)果由模型與待匹配特征之間的相似度確定，相似度越高則檢測分?jǐn)?shù)越高，檢測窗口得分公式為：

 

 

       其中,score(x0,y0,l0)表示l0尺度空間中錨點(diǎn)為(x0,y0)窗口的分?jǐn)?shù)，R0,l0(x0,y0)為l0中根模型相似度得分，為l0中多個(gè)可變部件模型得分和，b為偏差值。

DPM目標(biāo)檢測框架具有以下優(yōu)勢：

       （1）采用高斯金字塔多尺度空間檢測，保證了尺度不變性；

       （2）HOG特征提取算法對光照變化、細(xì)小形變具有較好的魯棒性；

       （3）部件模型的提出降低了遮擋、形變等因素對目標(biāo)檢測的影響。

 

       4.2基于卷積神經(jīng)網(wǎng)絡(luò)

 

       基于卷積神經(jīng)網(wǎng)絡(luò)的目標(biāo)檢測框架有很多，而基于候選區(qū)域的卷積神經(jīng)網(wǎng)絡(luò)目標(biāo)檢測框架起步最早、應(yīng)用最成熟，且具有較高的準(zhǔn)確率，其中具有代表性的是RCNN，具體步驟如下：

       （1）候選區(qū)域檢測階段：應(yīng)用上文介紹的Selective Search算法對偵察影像進(jìn)行區(qū)域選擇；

       （2）特征提取階段：將提取的所有候選區(qū)域進(jìn)行歸一化處理，通過訓(xùn)練過的深度卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行特征提��；

       （3）分類階段：將特征輸入多個(gè)SVM二分類器中，判斷是否屬于該類別。

       隨著深度學(xué)習(xí)結(jié)構(gòu)的不斷優(yōu)化，學(xué)者們將卷積神經(jīng)網(wǎng)絡(luò)貫穿包括特征提取在內(nèi)的整個(gè)基于候選區(qū)域的目標(biāo)檢測過程中，先后出現(xiàn)了SPP-Net、Fast-RCNN、Faster-RCNN等框架，大大提高了目標(biāo)檢測的實(shí)時(shí)性、魯棒性和準(zhǔn)確性。

 

       5 結(jié)束語

 

       針對無人機(jī)偵察影像目標(biāo)檢測問題，提供了一種基于候選區(qū)域的無人機(jī)偵察影像目標(biāo)檢測思路，對其三個(gè)主要步驟:候選區(qū)域檢測、特征提取、分類器展開了分析與總結(jié)，最后歸納了兩種主流的基于候選區(qū)域的目標(biāo)檢測框架。理論分析表明，該方法具有較強(qiáng)的實(shí)用性與應(yīng)用價(jià)值，為無人機(jī)偵察影像目標(biāo)檢測算法的研究與改進(jìn)提供理論研究基礎(chǔ)。下一步將對框架中各步驟介紹的算法進(jìn)行試驗(yàn)對比，提出一種快速魯棒的無人機(jī)偵察影像目標(biāo)檢測算法。