[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。 |