-
题名一种基于改进Yolov3的弹载图像多目标检测方法
被引量：7
- 1
-
-
作者
杨传栋
刘桢
马翰宇
谢瑞超
-
机构
陆军炮兵防空兵学院
陆军炮兵防空兵学院高过载弹药制导控制与信息感知实验室
-
出处
《弹箭与制导学报》
北大核心
2020年第4期149-153,共5页
-
基金
军队“十三五”预研基本项目资助。
-
文摘
针对弹载目标检测具有目标图像尺度变化大、位置定位精度要求高、实时性要求高等特点,基于YOLOv3方法进行改进。对多尺度预测分支特征图上的先验框尺寸进行K-means维度聚类,增强了尺度适应性;改进位置损失函数,提高了位置定位能力;使用快速NMS算法加速预测过程,提高了网络实时性。实验结果表明,在构建的11类目标数据集上,改进算法的mAP达到93.08%,帧速率达到46.59帧/s,比原始YOLOv3算法分别提高1.47%和1.14帧/s,满足弹载目标检测准确度和实时性要求。
-
关键词
弹载图像
目标检测
YOLOv3
位置损失
快速NMS
-
Keywords
missle-borne image
multi-target detection
YOLOv3
position loss
fast NMS
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
-
题名动态损失与加强特征融合的目标检测算法
被引量：1
- 2
-
-
作者
肇启明
张涛
孙俊
-
机构
江南大学人工智能与计算机学院
-
出处
《计算机科学与探索》
CSCD
北大核心
2023年第12期2942-2953,共12页
-
基金
国家自然科学基金(61673194,61672263)
国家自然科学基金联合基金项目(U1836218)
国家自然科学基金面上项目(62272202)。
-
文摘
目标检测是计算机视觉领域最火热的方向之一,为了进一步提升目标检测算法性能,解决目标检测算法在训练过程中位置损失函数存在的局限性,提出了基于交并比(IoU)的动态交并比损失函数(DYIoU Loss),充分考虑到了位置损失函数内部各组成部分之间的联系,可以在训练的不同阶段,动态给予位置损失组成部分不同的权重,以达到更有针对性地约束网络的目的,即让网络在训练的初期、中期和后期能够更符合目标检测任务的特性去优化不同部分。其次,为了解决目标检测网络在特征融合环节存在的不足,将可变形卷积应用到PAN结构当中,设计了一种可以即插即用的基于可变形卷积的DePAN Neck来提升模型对多尺度特征的融合能力,进而提升模型对小目标物体的检测效果。将上述方法应用到YOLOv6-N、YOLOv6-T、YOLOv6-S三个体量的YOLOv6模型上,在COCO2017数据集上设计了丰富实验,验证方法的有效性,平均精度(mAP)平均提升2.0个百分点。
-
关键词
目标检测
深度学习
位置损失
特征融合
-
Keywords
object detection
deep learning
position loss
feature fusion
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
