[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。 |
