近日，浙江農(nóng)林大學(xué)數(shù)學(xué)與計(jì)算機(jī)科學(xué)學(xué)院馮海林教授團(tuán)隊(duì)論文《Security of target recognition for UAV forestry remote sensing based on multi-source data fusion transformer framework》（基于多源數(shù)據(jù)融合transformer框架的無(wú)人機(jī)林業(yè)遙感目標(biāo)識(shí)別安全性研究）在《Information Fusion》期刊發(fā)表?！禝nformation Fusion》為中科院一區(qū)期刊，影響因子18.6，在“Computer Science: Artificial Intelligence”（計(jì)算機(jī)：人工智能）學(xué)科146個(gè)期刊中排名第3，在“Computer Science: Theory & Methods”（計(jì)算機(jī)：理論&方法）學(xué)科110個(gè)期刊中排名第2，是人工智能領(lǐng)域與計(jì)算機(jī)科學(xué)的國(guó)際頂尖權(quán)威刊物，聚焦于信息融合、數(shù)據(jù)融合、知識(shí)融合等領(lǐng)域的研究。
無(wú)人機(jī)遙感目標(biāo)識(shí)別在軍事、農(nóng)業(yè)、林業(yè)和建筑等各個(gè)領(lǐng)域發(fā)揮著至關(guān)重要的作用，準(zhǔn)確的目標(biāo)識(shí)別對(duì)這些領(lǐng)域的發(fā)展至關(guān)重要。團(tuán)隊(duì)提出了一種新的多源森林遙感數(shù)據(jù)融合框架SC-RTDETR，以Transfoermer為主要結(jié)構(gòu)，結(jié)合Soft-threshold模塊和Cascaded-Group-Attention模塊，旨在提高遙感目標(biāo)探測(cè)系統(tǒng)抵御攻擊的彈性。SC-RTDETR在特征提取階段采用了一種高效的軟閾值自適應(yīng)濾波方法動(dòng)態(tài)調(diào)整閾值，過(guò)濾多源森林遙感圖像中的攻擊因素。此外，該模型還在編碼器中引入了注意力機(jī)制。該機(jī)制有效地減輕了檢測(cè)器在攻擊下產(chǎn)生的冗余信息。通過(guò)采用分組和級(jí)聯(lián)策略，模型可以更有效地捕獲和利用復(fù)雜場(chǎng)景中圖像的重要特征。
該研究提出的SC-RTDETR框架在松線(xiàn)病蟲(chóng)害遙感影像數(shù)據(jù)集上進(jìn)行了試驗(yàn)研究，并與多種已有的優(yōu)化算法進(jìn)行比較，不僅為無(wú)人機(jī)遙感目標(biāo)識(shí)別在不安全環(huán)境下的應(yīng)用提供了新的解決方案，也為相關(guān)領(lǐng)域的進(jìn)一步發(fā)展提供了新的思路和方法。
論文地址：https://www.sciencedirect.com/science/article/abs/pii/S1566253524003336
（數(shù)計(jì)學(xué)院）
浙ICP備11046845號(hào)-1 浙公網(wǎng)安備33018502001115號(hào) 