如何使用深度残差网络进行无人机航拍图像识别

为了有效提高无人机航拍图像的识别准确率，本文提出了一种基于深度残差网络的深度卷积神经网络模型。该模型在深度残差网络的基础上使用了随机化ReLU激励函数，能够使网络拥有更加快速的收敛速度，同时针对深度残差网络层数较深，且部分参数在梯度下降的传播过程中参与度不高的特点，利用随机失活有效降低整个网络训练量，进而提高网络的训练速度。经过实验验证，本文提出的图像识别算法相比几种经典深度卷积神经网络模型拥有更高的识别准确度。 　　航拍图像是通过飞行器或卫星等设备对目标区域拍摄的图像，在军事目标侦察和民用方面具有重要作用。近年来随着无人机的快速发展，依托无人机航拍图像进行目标侦察或民用测绘作业相比卫星航拍图具有经济、高效、方便等多方面优势。而在进行航拍图像识别作业时，人工方式效率偏低，且需要进行一定的培训才能进行识别工作，成本较高。传统的算法识别通常采用特征提取加分类器选择的方式，例如Gabor 特征、Gradient 特征结合贝叶斯分类器或支持向量机分类器的方式，虽然相对人工方式效率较高但识别率偏低，容易造成误判、错判。