带注意力机制的神经网络用于跑道线检测

程国建，卞晨亮，陈 琛，杨 倬

1.西安石油大学，西安 710065

2.中国石油长庆油田分公司勘探开发研究院，西安 710018

随着无人机技术的广泛应用，其安全着陆被越来越多的学者关注，无人机着陆中首要的任务是准确识别和检测出着陆跑道线，这成为了近年来研究热点的方向和急需解决的难题。目前国内外很多研究机构已经开展了相关方面的研究，如南京航空航天大学对无人机的视觉着陆进行了深入的研究[1]，涵盖了基于视觉的整个着陆过程；文献[2]中使用支持向量机（support vector machine，SVM）训练离线分类器识别着陆标识。Transformer是一种基于自注意力机制深度神经网络，刘文婷等[3]介绍了注意力机制在计算机视觉有关任务上的应用。张馨月等[4]提出一种融合特征增强和自注意力的SSD小目标检测算法FA-SSD，增强浅层特征图的语义信息，对于复杂场景下的小目标有着较好的检测效果。饶颖露等[5]提出一种适用于无人机板载端轻量高效的Onboard-YOLO算法，使用可分离卷积提升计算速度，通过注意力机制自动学习通道特征权重提高模型准确度并在5种干扰环境下进行降落测试。梅立春等[6]提出了一种快速轮廓角点检测算法优化了角点个数及最远距离两点的寻找方法，在很大程度上减少了计算时间且降低了复杂度。赵珊等[7]双注意力机制引入到目标检测算法，缓解了特征融合方式存在的特征提取能力不足问题，提高了算法的检测精度。文献[8]中通过椭圆轮廓检测与卷积神经网络预测出正确的无人机着陆标识。……