近日,浙江农林大学数学与计算机科学学院冯海林教授团队论文《Security of target recognition for UAV forestry remote sensing based on multi-source data fusion transformer framework》(基于多源数据融合transformer框架的无人机林业遥感目标识别安全性研究)在《Information Fusion》期刊发表。《Information Fusion》为中科院一区期刊,影响因子18.6,在“Computer Science: Artificial Intelligence”(计算机:人工智能)学科146个期刊中排名第3,在“Computer Science: Theory & Methods”(计算机:理论&方法)学科110个期刊中排名第2,是人工智能领域与计算机科学的国际顶尖权威刊物,聚焦于信息融合、数据融合、知识融合等领域的研究。
![](/__local/6/78/94/41ABEA5D8AE37CFDAF7D8F0A269_6B4CB2F7_2CED9.png?e=.png)
无人机遥感目标识别在军事、农业、林业和建筑等各个领域发挥着至关重要的作用,准确的目标识别对这些领域的发展至关重要。团队提出了一种新的多源森林遥感数据融合框架SC-RTDETR,以Transfoermer为主要结构,结合Soft-threshold模块和Cascaded-Group-Attention模块,旨在提高遥感目标探测系统抵御攻击的弹性。SC-RTDETR在特征提取阶段采用了一种高效的软阈值自适应滤波方法动态调整阈值,过滤多源森林遥感图像中的攻击因素。此外,该模型还在编码器中引入了注意力机制。该机制有效地减轻了检测器在攻击下产生的冗余信息。通过采用分组和级联策略,模型可以更有效地捕获和利用复杂场景中图像的重要特征。
![](/__local/F/A5/0A/8206E9D0FE1C56A82ECD449491E_52E49EBE_4D8AD.png?e=.png)
![](/__local/B/49/CC/E3CBA906E380070F1F3E385D7FA_0AA64818_629A5.png?e=.png)
该研究提出的SC-RTDETR框架在松线病虫害遥感影像数据集上进行了试验研究,并与多种已有的优化算法进行比较,不仅为无人机遥感目标识别在不安全环境下的应用提供了新的解决方案,也为相关领域的进一步发展提供了新的思路和方法。
论文地址:https://www.sciencedirect.com/science/article/abs/pii/S1566253524003336
冯海林