典型文献
面向小目标检测的改进YOLOv3算法
文献摘要：
搭载在无人机平台上的目标检测系统,在实际应用中往往面临许多小目标检测任务.为了克服小目标检出率低、检测精度差的问题,提出了一种基于YOLOv3的小目标检测改进算法.首先,通过K-means聚类算法对高空视角的遥感小目标数据集进行聚类分析,重新设置锚框的个数与相应参数.然后,在特征提取网络部分重新配置5次下采样后的残差块数量,并在更浅层的网络引出一个输出尺度,将其与上一个输出尺度中的特征信息进行特征拼接,使其保留更多小目标信息和边缘信息.通过对测试数据集进行测试分析,改进后检测算法的mAP达到92.21％,相较于原YOLOv3提升了5.84％,有效解决了YOLOv3部分小目标容易漏检的问题.
文献关键词：
深度学习;目标检测;小目标检测;飞机目标
中图分类号：
作者姓名：
徐思源;储开斌;张继;冯成涛
作者机构：
常州大学,江苏 常州 213000
文献出处：
引用格式：
[1]徐思源;储开斌;张继;冯成涛-.面向小目标检测的改进YOLOv3算法)[J].电光与控制,2022(08):35-39
A类：
B类：
小目标检测,YOLOv3,搭载,无人机平台,检测精度,改进算法,means,聚类算法,锚框,特征提取网络,网络部,重新配置,下采样,残差块,引出,特征信息,特征拼接,目标信息,边缘信息,测试数据,测试分析,检测算法,mAP,漏检,飞机目标
AB值：
0.353709
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。
