基于注意力与通道重排的无人机对地目标检测算法

无人机自主察打对地攻击场景中,针对无人机作战时效性强,地面目标识别场景复杂,存在模型训练、推理速度慢,小目标检测漏检、误检的问题,提出一种基于注意力机制与通道重排思想的无人机对地目标检测算法。该算法引入CA(coordinate attention)注意力机制,可提高网络对关注部分的特征提取能力;且对主干网络进行通道重排(channel shuffle)轻量化处理,可有效减少多次卷积造成的特征损失;最后,为提升战时训练及推理速度,替换部分激活函数为H-Swish,优化其损失函数为CIoU(complete intersection over union)。实验证明：采用改进的新算法,提升了28.4%训练速度,目标识别的平均精度均值(mean average precision, mAP)达99.1%,可实现最小目标检测为19*25像素,经TensorRT加速后检测速率达72.99 FPS,满足实时检测需求,针对复杂地形下的坦克小目标检测性能较好。     

一种地基模拟空间碎片飞行参数测试方法研究

目前地基模拟空间飞行破片试验是空间碎片测试非常重要的一个手段,地基模拟空间碎片飞行参数测试方法是地基模拟空间碎片参数测试的一个重要技术支撑。针对毫米级地基模拟空间碎片测试难题,提出了一种测速精度高、可靠性好、可视化测试结果且成本较低的测试方法。通过地基模拟空间碎片飞行试验,实现了对速度4 000 m/s、径向尺寸2 mm碎片影像冻结,相机距离破片飞行弹道垂直距离为400 mm,拍摄视场为600 mm×400 mm。在一幅图像上获得了碎片2个瞬时运动影像,直观反映了碎片的形貌特征,并对模拟空间碎片飞行参数进行了计算,并通过对比试验与该测试方法测试结果进行对比,证明该测试方法可以作为地基模拟空间碎片飞行试验的测试手段。