一种基于Mask R-CNN的机场飞行物目标识别方法.pdfVIP

CHINASCIENCEANDTECHNOLOGYINFORMATIONJun.2024·中国科技信息2024年第12期航空航天◎

一种基于Mask R-CNN的机场飞行物

目标识别方法

刘艺璇 李一同

随着民航业的快速发展，机场的飞行物目标识别技术在

航空安全和交通管理中扮演着至关重要的角色。机场作为航空

可实现度可替代度

运输系统的关键组成部分，其安全和高效运行对于保障民航安

全和提高交通运输效率具有重要意义。因此，对机场内各类飞

行物目标进行准确、快速的识别成为当前研究的热点问题之一。

传统的机场飞行物目标识别方法主要依赖于人工特征提

取和分类器构建，存在着识别速度慢、准确性低以及对复杂

影响力真实度场景的适应能力不足等问题。近年来，随着深度学习技术的

快速发展，基于深度学习的目标识别算法在计算机视觉领域

取得了显著进展，成为了解决机场飞行物目标识别问题的有

行业关联度开放度效手段之一。

本研究旨在针对机场飞行物目标识别中存在的挑战，提

出一种基于改进的MaskR-CNN算法的新型识别方法。首

生态度创新度

先介绍机场飞行物目标识别的研究背景和意义，阐述了深度

学习技术在目标识别领域的应用前景。随后，详细探讨传统

的MaskR-CNN算法存在的局限性，以及在处理机场飞

行物目标识别问题时所面临的挑战。接着，提出基于改进的

互交度持续度MaskR-CNN算法的目标识别方法，包括注意力机制和多

行业曲线

尺度特征融合的设计原理和算法流程。最后，通过大量的实

验验证和结果分析，论证所提方法在机场飞行物目标识别中

的有效性和优越性，为相关领域的研究和应用提供有力的支

撑。本研究的开展将对机场安全和航空运输效率的提升产生

积极的社会影响，也将推动深度学习技术在航空领域的应用

和发展，具有重要的理论和实践价值。

网络模型结构介绍

刘艺璇李一同