-
题名基于YOLOV3改进的算法在对地目标检测中的应用
- 1
-
-
作者
王奕然
王国刚
刘云鹏
-
机构
沈阳化工大学信息工程学院
中国科学院沈阳自动化研究所光电信息技术研究室
-
出处
《沈阳化工大学学报》
CAS
2024年第2期167-172,共6页
-
基金
国家重点研发计划(2018YFB1700200)。
-
文摘
对地目标检测因其视野旷阔,在交通安全、无人机侦察等领域应用广泛.对地目标具有数量多、尺度小的特点,导致检测精度不高、召回率低.针对上述问题,提出了一种基于YOLOV3改进的对地目标检测算法.首先,对数据集进行维度聚类,设计新的锚框尺寸,将先验数据融入模型,增强检测模型的有效性;其次,改进原有的网络模型,优化YOLOV3的目标预测框损失函数,使用CIoU损失代替原有的和方差损失,提高了目标预测框的回归稳定性.实验结果表明:改进的算法在VisDrone2018数据集上相对YOLOV3算法的召回率提高了11.2%,平均准确率均值提高了3.36%,改进的算法对对地目标检测的结果优于原本的YOLOV3算法.
-
关键词
对地目标
目标检测
维度聚类
YOLOV3
CIoU
-
Keywords
ground target
object detection
dimensional clustering
YOLOV3
CIoU
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
-
题名基于灰度共生矩阵的信噪比图像检测
被引量：2
- 2
-
-
作者
赵鹏举
甘凯
李书阁
-
机构
重庆电子工程职业学院
西安科技大学
-
出处
《自动化与仪器仪表》
2020年第8期41-44,共4页
-
文摘
为了提高地面目标物体场景图像的检测能力,提高图像的输出信噪比,提出基于灰度共生矩阵的信噪比图像检测方法。构建地面目标物体场景图像的三维成像模型,采用边缘轮廓特征提取方法进行地面目标物体场景图像的尺度分解和灰度信息提取,选取以坐标原点为中心进行图像的自动分割,采用模板特征匹配方法实现地面目标物体场景图像的特征配准,结合角点检测方法进行地面目标物体场景图像的关键特征点标记,建立地面目标物体场景图像的三维特征成像模型,采用模糊信息度特征提取方法实现地面目标物体场景图像的特征提取和优化检测,构建地面目标物体场景图像的像素分布灰度共生矩阵,根据矩阵的特征解分布实现对地面目标物体场景图像的优化检测,提高图像的输出信噪比。仿真结果表明,采用该方法进行地面目标物体场景图像检测的输出信噪比较高,图像检测的精度较好。
-
关键词
灰度共生矩阵
信噪比
图像检测
地面目标物体
-
Keywords
gray level co-occurrence matrix
signal-to-noise ratio
image detection
ground target object
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
