[1] 徐坚, 谢正光, 李洪均. 特征平衡的无人机航拍图像目标检测算法[J] ●●●●。计算机工程与应用, 2023, 59(6): 196-203. 徐杰,谢志,李海杰.特征平衡无人机航空图像目标检测算法[J]。计算机工程与应用,2023,59(6):196-203。 [2] 马峻, 姚震, 徐翠锋, 等.基于改进PP-YOLO和Deep-SORT的多无人机实时跟踪算法[J] .阿肯色州,2022,42(9):2885-2892。 马J,姚Z,徐春芳,等.基于改进PP-YOLO和Deep-SORT的实时多无人机跟踪算法[J]。计算机应用杂志,2022,42(9):2885-2892。 [3] CAO X,XU J,ZHANG R.蜂窝连接无人机的移动边缘计算:计算卸载和轨迹优化[C]//2018 IEEE第19届无线通信信号处理进展国际研讨会论文集,2018:1-5。 [4] 张伟, 庄幸涛, 王雪力, 等.DS-YOLO:一种部署在无人机终端上的小目标实时检测算法[J] ●●●●。南京邮电大学学报 (自然科学版), 2021, 41(1): 86-98. 张伟,庄世通,王世升,等.DS-YOLO:一种无人机实时小目标检测算法[J]。南京邮电大学学报(自然科学版),2021,41(1):86-98。 [5] 孙伟, 潘森, 黄恒.基于改进YOLOv4公司模型的无人机目标检测算法[J] ●●●●。传感技术学报, 2023, 36(3): 456-461. SUN W,PAN S,HUANG H.基于改进YOLOv4模型的无人机目标检测算法[J]。中国传感器与执行器杂志,2023,36(3):456-461。 [6] 侯鑫, 曲国远, 魏大洲, 等.基于迭代稀疏训练的轻量化无人机目标检测算法[J] ●●●●。计算机研究与发展, 2022, 59(4): 882-893. HOU X,QU G Y,WEI D Z,等.基于迭代稀疏的轻型无人机目标检测算法[J]。《计算机研究与发展杂志》,2022,59(4):882-893。 [7] 张红民, 庄旭, 郑敬添, 等. 优化YOLO公司网络的人体异常行为检测方法[J] ●●●●。计算机工程与应用, 2023, 59(7): 242-249. 张海明,庄X,郑建堂,等.优化YOLO网络的人类异常行为检测方法[J]。计算机工程与应用,2023,59(7):242-249。 [8] 陈范凯, 李士心. 改进约洛夫5的无人机目标检测算法[J] ●●●●。计算机工程与应用, 2023, 59(18): 218-225. CHEN F K,LI S X.改进Yolov5的无人机目标检测算法[J]。计算机工程与应用,2023,59(18):218-225。 [9] YU W,YANG T,CHEN C.解决无人机图像中长尾分布对目标检测的挑战[C]//IEEE/CFF计算机视觉应用冬季会议论文集,2021:3258-3267。 [10] HUSSAIN M.YOLO-v1到YOLO-v8,YOLO的兴起及其对数字制造和工业缺陷检测的互补性[J]。机器,2023,11(7):677。 [11] 王殿伟, 胡里晨, 房杰, 等.基于改进双头RCNN的无人机航拍图像小目标检测算法[J/OL]。北京航空航天大学学报: 1-10[2023-01-13].https://doi/10.13700/j.bh.1001-5965.2022.0591。 王德伟,胡磊,方杰,等.基于改进双头RCNN的无人机航空图像小目标检测算法[J/OL]。北京航空航天大学学报:1-10[2023-01-13]。https://doi/10.13700/j.bh.1001-5965.2022.0591。 [12] 白宗宝, 张俊举, 高原, 等.基于注意力机制的航拍图像目标检测算法[J] ●●●●。激光与光电子学进展, 2023, 60(12): 312-322. BAI Z B,ZHANG J J,GAO Y,等.基于注意机制的航空图像目标检测算法[J]。激光与光电子进展,2023,60(12):312-322。 [13] 王峰,王辉,秦志,等.基于改进YOLOv8的无人机目标检测算法[J]。IEEE接入,2023,11:116534-116544。 [14] 李毅,范强,黄赫,等.一种改进的YOLOv8无人机航空图像识别检测网络[J]。无人机,2023,7(5):304。 [15] 王刚,陈毅,AN P,等.无人机-YOLOv8:基于改进YOLOv 8的无人机航空摄影场景小目标检测模型[J]。传感器,2023,23(16):7190。 [16] TAN J,WANG C,LI B,等.长尾目标识别的均衡损失[C]//IEEE/CVF计算机视觉与模式识别会议论文集,2020:662-671。 [17] 舒杰,谢强,YI L,等。Meta-Weight-Net:学习样本权重的显式映射[C]//神经信息处理系统进展,2019。 [18] 王杰,张伟,臧毅,等.长尾实例分割的Seesaw损失[C]//IEEE/CVF计算机视觉与模式识别会议论文集,2021:9695-9704。 [19] CHEN J,KAO S,HE H,et al.Run,don't walk:追逐更高的FLOPS以获得更快的神经网络[C]//IEEE/CFF计算机视觉和模式识别会议论文集,2023:21-31。 [20] TAN M,PANG R,LE Q V.Efficientnet:可扩展和高效的目标检测[C]//IEEE/CVF计算机视觉和模式识别会议论文集,2020:781-790。 [21]ZAKI S Z,ZULKIFLEY M A,STOFA M M,等.基于MobileNet v2的番茄叶片病害分类[J]。IAES国际人工智能杂志,2020,9(2):290-296。 [22]马恩,张X,郑海涛,等.ShuffleNet V2:高效CNN架构设计实用指南[C]//欧洲计算机视觉会议论文集,2018:122-138。 [23]龚毅,余X,丁毅,等.用于微小目标检测的FPN中的有效融合因子[C]//IEEE/CVF计算机视觉应用冬季会议论文集,2021:1160-1168。 [24]ZHANG T,ZHANG X,KE X.Quad-FPN:一种用于SAR舰船检测的新型四特征金字塔网络[J]。遥感,2021,13(14):2771。 [25]胡J,沈L,孙G.挤压与激励网络[C]//IEEE计算机视觉与模式识别会议论文集,2018:7132-7141。 [26]DU D,ZHU P,WEN L,et al.VisDrone-DET2019:视觉满足图像挑战结果中的无人机目标检测[C]//IEEE/CVF国际计算机视觉研讨会论文集,2019:213-226。 [27]LI B,YAO Y,TAN J等。密集长尾物体检测的均衡焦损失[C]//IEEE/CFF计算机视觉和模式识别会议论文集,2022:6990-6999。 [28]AKYON F C,ALTINUC S O,TEMIZELl A.切片辅助超推断和微调用于小目标检测[C]//2022年IEEE图像处理国际会议论文集,2022:966-970。 [29]BOTEV ZI,KROESE DP,RUBINSTEIN RY,等.优化的交叉熵方法[J]。《统计手册》,2013年,31:35-59。 [30]LIN T Y,GOYAL P,GIRSHICK R,et al.稠密目标检测的焦距损失[C]//IEEE国际计算机视觉会议论文集,2017:2980-2988。 [31]张浩,王毅,大宇F,等.Varifocalnet:一种IoU感知密集目标检测器[C]//IEEE/CVF计算机视觉与模式识别会议论文集,2021:8514-8523。 [32]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记录,2016:21-37。 [33]LONG X,DENG K,WANG G,et al.PP-YOLO:一种高效的目标检测器实现[J]。arXiv:2007.120992020年。 [34]GE Z,LIU S,WANG F,等.YOLOX:2021年超越YOLO系列[J]。arXiv:2107.084302021。 [35]JOCHER G,CHAURASIA A,STOKEN A,et al.Ultralytics/YOLOv5:v6.2-YOLOv 5分类模型,Apple M1,再现性,ClearML和dec.ai集成[EB/OL]。Zenodo(2022-08-17)。https://zenodo.org/record/7002879。 [36]WANG C Y,BOCHKOVSKIY A,LIAO H Y M.YOLOv7:可培训的免费行李为实时目标探测器设置了新的最先进技术[C]//IEEE/CVF计算机视觉和模式识别会议记录,2023:7464-7475。 |