关注微信公众号：人工智能技术与咨询。了解更多资讯！

来源：《图学学报》。作者翟进有等

摘要：传统目标识别算法中，经典的区域建议网络(RPN)在提取目标候选区域时计算量大，时间复杂度较高，因此提出一种级联区域建议网络(CRPN)的搜索模式对其进行改善。此外，深层次的卷积神经网络训练中易产生退化现象，而引入残差学习的深度残差网络(ResNet)，能够有效抑制该现象。对多种不同深度以及不同参数的网络模型进行研究，将两层残差学习模块与三层残差学习模块结合使用，设计出一种占用内存更孝时间复杂度更低的新型多捷联式残差网络模型(Mu-ResNet)。采用Mu-ResNet与CRPN结合的网络模型在无人机目标数据集以及PASCAL VOC数据集上进行多目标识别测试，较使用ResNet与RPN结合的网络模型，识别准确率提升了近2个百分点。

关键词：无人机；残差网络；级联区域建议网络；目标识别

关注微信公众号：人工智能技术与咨询。了解更多资讯！