Um das Problem von Auslassungen und Fehlalarmen bei kleinmaßstäblichen Flugzeugzielen in Luftaufnahmen zu lösen, wurde ein verbessertes Zielerkennungsmodell für Luftaufnahmen auf Basis des SSD-Modells (Single Shot MultiBox Detector) vorgeschlagen. Zunächst wurde zur Behebung des Mangels an semantischer und detaillierter Information in oberflächennahen Merkmalskarten des SSD-Modells ein Merkmalverschmelzungsmechanismus entwickelt, der die oberflächennahen Merkmalskarten durch Hinzufügen einer ergänzenden Detailebene sowie einer ergänzenden semantischen Ebene aus einem rekursiven Rückweg mit semantischen und detaillierten Informationen anreichert. Danach wurde ein hybrides Aufmerksamkeitsmodul zur Verbesserung der Gesamtaufmerksamkeitsfähigkeit des Modells eingeführt, da das SSD-Modell bisher eine unzureichende Fähigkeit zur Berücksichtigung von Kanal- und Rauminformationen aufweist. Schließlich wurde das Seitenverhältnis der Ankerboxen angepasst, um das Problem der Nichtübereinstimmung zwischen Ankerboxen und kleinmaßstäblichen Zielen im SSD-Modell zu lösen. Die Validierung erfolgte mit einem selbst erstellten Datensatz von Luftaufnahmen. Die Ergebnisse zeigen, dass das verbesserte Modell eine Erkennungsgenauigkeit von 95,7 % erreicht, was eine Steigerung von 7,5 % gegenüber dem Originalmodell darstellt, bei einer Erkennungsgeschwindigkeit von 30,8 FPS.

Zielerkennung;Merkmalsfusion;Aufmerksamkeitsmechanismus;Luftaufnahmen