近日，自动化学院“人机混合智能与智慧健康研究中心”以杭州电子科技大学为第一单位在人工智能国际知名期刊IEEE Transactions on Geoscience and Remote Sensing（TGRS）上发表了文章《Fully Convolutional Network based Fast UAV Detection in Pulse Doppler Radar》。该论文的第一作者为我校自动化学院田江敏老师，通讯作者为研究中心负责人曹九稳教授。《TGRS》是人工智能领域的国际知名期刊之一，SCI中科院一区TOP收录期刊，2023年的影响因子为8.2，在机器学习与模式识别领域具有很高的影响力。
随着无人机的普及，如何对无人机进行有效、快速的检测，防止未经授权的飞行成为热点话题。 基于统计理论，传统的恒定误报率（CFAR）对于具有均匀背景的数据效果良好。 但对于低速小型无人机来说，很容易出现漏检。 近年来，数据驱动的深度学习方法被证明比CFAR具有更好的性能。 然而利用滑动窗口将复杂的检测任务转化为简单的分类任务导致效率低下。 在本文中，我们提出了一种在整个距离多普勒图上应用全卷积网络的快速检测方法。 为了达到与我们之前的工作相当的精度，网络首先根据用于预测的特征图中单元的有效感受野接近滑动窗口的大小的原则进行设计， 并搜索分类和回归的最佳分叉位置。 同时考虑到正负样本的不平衡性，设计了一种新的GT数据创建方案来扩大正样本，并进一步采用负样本的随机抽样，开发了一种结合概率阈值和最小偏差定位的后处理机制，以实现目标的精确定位。 与现有方法的实验数据比较表明，所提出的方法可以将检测速度提高多达47倍，同时保持良好的精度。
图：网络框架图
人机混合智能与智慧健康研究中心隶属于杭州电子科技大学自动化学院，依托于浙江省机器学习与智慧健康国际合作基地，主要研究方向包括：机器学习、深度学习、医学信号处理、场景文字识别、自然语言处理等。研究中心现有在职教师11名，其中包含6位教授、2位副教授、3位讲师，硕博生60余名。负责人曹九稳教授是浙江省机器学习与智慧健康国际合作基地中心主任。研究中心有多位国家级和省级人才，与法国巴黎大学、新加坡南洋理工大学、加拿大温莎大学、德国伍伯塔尔大学、澳门大学、复旦华山医院、浙江省儿保医院、浙二医院等长期保持科研合作；研究中心学生多次赴法国、加拿大等交流学习，毕业生多就职于华为、字节跳动、海康威视等国内知名企业。