[1] 坎贝尔·M·E，怀特塔克·W·W·在海上无人机上使用视觉测量进行合作跟踪[J]。IEEE控制系统技术汇刊，2007，15（4）：613-626。
[2] 李东臣, 任俊杰, 张志文, 等. 基于高分辨率无人机影像的地震地表破裂半自动提取方法——以2021年M_S7.4青海玛多地震为例[J] .塔特，2022，44（6）：1484-1502。
李德川，任俊杰，张志伟，等.基于高分辨率无人机图像的地震地表破裂半自动提取方法研究：以青海省2021年马多M_S7.4地震为例[J]。地震与地质，2022，44（6）：1484-1502。
[3] 傅Z，冯P，NAQVI S M，等.基于稀疏表示的鲁棒粒子PHD滤波器在多目标跟踪中的应用[C]//2016 IEEE数字信号处理（DSP）国际会议，2016:281-285。
[4] WU Y，JIN J，XING X.具有光照变化灵活性的多目标跟踪方法[C]//2016 IEEE中国消费电子国际会议（ICCE-China），2016:1-6。
[5] GIRSHICK R，DONAHUE J，DARRELL T，et al.用于精确目标检测和语义分割的丰富特征层次[C]//IEEE计算机视觉和模式识别会议论文集，2014:580-587。
[6] GIRSHICK R.Fast R-CNN[C]//IEEE计算机视觉国际会议记录，2015:1440-1448。
[7] REN S，HE K，GIRSHICK R，et al.Faster R-CNN:towards real-time object detection with region proposition networks[C]//Advances in Neural Information Processing Systems，2015:1137-1149.雷恩·S，何·K，GIRS希克·R，等.更快的R-有线电视新闻网。
[8] REDMON J，DIVVALA S，GIRSHICK R，et al.你只看一次：统一的实时目标检测[C]//IEEE计算机视觉和模式识别会议论文集，2016:779-788。
[9] REDMON J，FARHADI A.YOLO9000:更好、更快、更强[C]//IEEE计算机视觉和模式识别会议论文集，2017:7263-7721。
[10] REDMON J，FARHADI A.YOLOv3:增量改进[C]//IEEE/CVF计算机视觉和模式识别会议第31次会议，2018年。
[11] BOCHKOVSKIY A，WANG C Y，LIAO H Y M.YOLOv4：目标检测的最佳速度和精度[J]。arXiv:2004.109342020年。
[12] 王志毅，BOCHKOVSKIY A，LIAO H Y M.YOLOv7：可培训的免费包为实时目标探测器创造了新的技术水平[J]。arXiv:2207.026962022年。
[13] LIU W，ANGUELOV D，ERHAN D，et al.固态硬盘：单次发射多盒探测器[C]//欧洲计算机视觉会议，2016:21-37。
[14] 刘芳, 韩笑.基于多尺度深度学习的自适应航拍目标检测[J] ●●●●。航空学报, 2022, 43(5): 471-482.
刘峰，韩霞.基于多尺度深度学习的自适应空中目标检测[J]。《航空航天学报》，2022，43（5）：471-482。
[15] 郭智超, 邓建球, 刘爱东, 等. 基于改进固态硬盘的无人机航拍目标检测方法[J] ●●●●。兵器装备工程学报, 2021, 42(5): 184-190.
郭志聪，邓建清，刘安德，等.基于改进SSD的无人机空中目标检测方法[J]。军械设备工程杂志，2021，42（5）：184-190。
[16] 吕晓君, 向伟, 刘云鹏. 基于强化底层特征的无人机航拍图像小目标检测算法[J] ●●●●。计算机应用研究, 2021, 38(5): 1567-1571.
LV X J，XIANG W，LIU Y P。基于增强下特征的无人机航空图像小目标检测算法[J]。计算机应用研究，2021，38（5）：1567-1571。
[17] 蒲良, 张学军. 基于深度学习的无人机视觉目标检测与跟踪[J] ●●●●。北京航空航天大学学报, 2022, 48(5): 872-880.
PU L，ZHANG XJ.基于深度学习的无人机视觉目标检测与跟踪[J]。北京航空航天大学学报，2022，48（5）：872-880。
[18] 戚玲珑, 高建瓴.基于改进YOLOv7[J].工程，2023，49（1）：41-48。
QI L L，GAO J L.基于改进YOLOv7的小目标检测[J]。计算机工程，2023，49（1）：41-48。
[19] 余俊宇, 刘孙俊, 许桃.融合注意力机制的YOLOv7公司遥感小目标检测算法研究[J] ●●●●。计算机工程与应用, 2023, 59(20): 167-175.
于建勇，刘世杰，徐涛.集成注意机制的YOLOv7遥感小目标检测算法研究[J]。计算机工程与应用，2023，59（20）：167-175。
[20] 刘浩翰, 樊一鸣, 贺怀清, 等.改进YOLOv7-微型的目标检测轻量化模型[J] ●●●●。计算机工程与应用,2023,59(14): 166-175.
LIU H H，FAN Y M，HE H Q，et al.改进的YOLOv7微小物体检测轻量级模型[J]。计算机工程与应用，2023,59（14）：166-175。
[21] 齐向明, 董旭.改进Yolov7-小的钢材表面缺陷检测算法[J] ●●●●。计算机工程与应用, 2023, 59(12): 176-183.
QI X M，DONG X.钢表面缺陷检测的改进Yolov7-mini算法[J]。计算机工程与应用，2023,59（12）：176-183。
[22]佟志杰，陈永华，徐志伟，等.Wise-IoU：具有动态聚焦机制的包围盒回归损失[J]。arXiv:2301.100512023。
[23]HOU Q B，ZHOU D Q，FENG J S.高效移动网络设计的协调关注[C]//IEEE/CVF计算机视觉和模式识别会议论文集，2021:13713-13722。
[24]胡杰，沈立，孙刚，等.挤压与激励网络[J]。arXiv:1709.015072017年。
[25]王强，吴斌，朱鹏，等.ECA-Net:深度卷积神经网络的有效信道关注[C]//IEEE计算机学会计算机视觉与模式识别会议论文集，2020。
[26]ROY A G，NAVAB N，WACHINGER C.全卷积网络中的并行空间和信道“挤压和激发”[C]//医学图像计算和计算机辅助干预国际会议。查姆：施普林格，2018:421-429。
[27]郑振海，王平，刘伟，等.距离-IoU损失：边界盒回归的更快更好学习[C]//IEEE计算机视觉与模式识别会议，2019。
[28]REZATOFIGHI H，TSOI N，GWAK J Y，等.并集上的广义交集：包围盒回归的度量与损失[C]//IEEE计算机视觉与模式识别会议论文集，2019:658-666。
[29]朱平，温立，杜德，等.探测与跟踪遇到无人机挑战[J]。IEEE模式分析和机器智能汇刊，2021，43（10）：1。
[30]于伟平，杨天健，陈C.解决无人机图像中长尾分布对目标检测的挑战[C]//2021 IEEE计算机视觉应用冬季会议。威科洛：IEEE，2021:3258-3267。
[31] 刘展威, 陈慈发, 董方敏.基于YOLOv5系列的航拍小目标检测改进算法研究[J/OL].工程：1-10[2023-09-10]。http://kns.cnki.net/kcms/detail/13.1097.TN.20230411.1645。
026.html。
刘志伟，陈春芳，董福明。基于YOLOv5s的改进型空中小目标检测算法[J/OL]。无线电工程：1-10[2023-09-10]。http://kns.cnki.net/kcms/detail/13.1097.TN.20230411.1645.026.html。
[32]赵海平，周毅，张磊，等.混合YOLOv3-LITE：一种轻量级实时目标检测方法[J]。传感器，2020，20（7）：1861-1878。
[33] 陈卫彪, 贾小军, 朱响斌, 等.基于DSM-YOLO第5版的无人机航拍图像目标检测[J] ●●●●。计算机工程与应用, 2023, 59(18): 226-233.
陈文斌，贾晓杰，朱晓波，等.基于DSM-YOLO v5的无人机图像目标检测[J]。计算机工程与应用，2023，59（18）：226-233。 |
