-
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]
-
-
题名基于YOLOv4改进算法的乒乓球识别
被引量：11
- 2
-
-
作者
谈小峰
王直杰
-
机构
东华大学信息科学与技术学院
-
出处
《科技创新与应用》
2020年第27期74-76,共3页
-
文摘
传统的基于颜色分割的乒乓球识别方法易受光线、清晰度影响,鲁棒性较低。为解决这一问题,对YOLOv4进行改进,用K-means聚类设计先验框,增强尺度适应性。针对乒乓球尺寸,裁剪网络分支并压缩卷积层,加快特征提取速度。针对采集数据正负样本不均衡,改进损失函数,提高预测框边界准确度。使用快速NMS算法加速预测过程,提高模型的计算速度。实验结果表明,基于YOLOv4的改进模型在乒乓球识别任务中精度达到94.12%,帧处理速率达到39.34fps。
-
关键词
YOLOv4
乒乓球识别
K-MEANS聚类
快速nms算法
-
Keywords
YOLOv4
table tennis recognition
K-means clustering
fast nms algorithm
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
