典型文献
基于改进YOLOv4的遥感影像飞机目标检测
文献摘要：
针对尺度多样化且目标密集的飞机遥感影像存在检测准确度较低和模型复杂不易部署的问题,提出一种基于改进YOLOv4的遥感飞机目标检测模型.采用K-means++算法对目标样本进行锚定框优化,提高先验框与目标异物的尺寸匹配度,减少漏检率;在损失函数中引入focal loss以降低简单负样本在训练过程中所占权重;融合卷积核剪枝与层间剪枝对卷积核和批量归一化BN层进行稀疏训练,简化网络结构并降低参数量.经实验,改进后的YOLOv4异物检测算法在UCAS-AOD和RSOD公共遥感数据集上mAP达到92.23％,检测速度提高至130.24帧/s,有利于实际工业场景中遥感影像飞机目标的快速检测.
文献关键词：
遥感影像;飞机检测;YOLOv4;focal loss;剪枝算法
中图分类号：
作者姓名：
张天骏;刘玉怀;李苏晨
作者机构：
郑州大学,计算机与人工智能学院,郑州 450000;郑州大学信息工程学院,郑州 450000;郑州大学电气工程学院,郑州 450000
文献出处：
引用格式：
[1]张天骏;刘玉怀;李苏晨-.基于改进YOLOv4的遥感影像飞机目标检测)[J].电光与控制,2022(12):101-105,117
A类：
B类：
YOLOv4,遥感影像,飞机目标检测,检测准确度,目标检测模型,means++,锚定框,先验框,目标异物,尺寸匹配,匹配度,漏检率,损失函数,focal,loss,训练过程,卷积核,批量归一化,BN,层进,稀疏训练,参数量,异物检测,检测算法,UCAS,AOD,RSOD,遥感数据,mAP,检测速度,工业场景,快速检测,飞机检测,剪枝算法
AB值：
0.477632
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
