改进CenterNet的无人机小目标捕获检测方法

小目标因浅层特征语义不足而深层特征信息缺失导致极难检测,而无人机视角场景复杂,检测难度进一步增大。普遍提升小目标检测精度的方法是进行不同层级的特征融合,但这会导致特征高冗余问题,并非所有特征层都值得被激活传递到后方的数据预测中去。针对上述问题对CenterNet进行改造,首次将其与自适应特征激活相结合,提出自适应基础模块(MSA),抑制冗余特征的表达;在主干输出处引入升维全局上下文注意力模块(GC-Block),强化关键点语义信息;用深度可分离卷积与Mish激活搭建高质量解码块(DW),在不增加模型复杂度的情况下提升解码精度。在公开的无人机捕获小目标数据集上进行对比实验,改进算法的AP较原始算法提升了2.2个百分点,召回率提升了2.4个百分点,验证了改进算法对小目标检测任务的有效性。

无人机信息安全研究综述

随着科技的进步和制造成本的不断降低,无人机已经从军用领域开始走进工业生产和人们的日常生活.如今,无人机已经广泛应用于影视拍摄、农业监测、电力巡检、个人航拍、气象监测、森林火灾探测、交通控制、货物运输及应急救援等领域.然而,无人机在给我们的生产生活带来各种便利的同时,其所面临的安全问题也逐渐暴露出来.该文首先介绍了当前无人机的发展现状,然后介绍了无人机的组成结构和应用,之后分别从保密性、完整性和可用性方面系统地阐述了当前无人机所面临的信息安全威胁.接着,该文着重从传感器、通信、软件和网络四个方面对无人机所面临的安全威胁、现有安全防护措施以及国内外的研究现状进行了详细的阐述和分析.其中,结合当前国内外最新的研究成果和我们实验室的研究和实验,重点对针对无人机的卫星导航信号的欺骗攻击和针对无人机通讯安全的攻击及其应对措施进行了阐述和分析.最后,对无人机的安全和管理的未来研究方向进行了展望.

射频与微波技术在安防领域的应用

射频与微波因其一系列独特的特性,对其他安防探测手段形成了有效补充,使得这项技术在安防领域的应用研究取得了飞速的进展,并已经在出入口人体安检、小型无人机捕获、周界安防以及电子射频识别(RFID)等场合发挥了重要的作用。在安防环境日趋复杂的今天,射频与微波技术在维护公共安全方面已经成为不可或缺的组成部分。