典型文献
改进的YOLOv4在飞机蒙皮损伤检测中的应用
文献摘要：
针对飞机蒙皮检测中存在的小目标检测欠佳、漏检等问题,提出了1种基于增强特征融合和ATSS的YO-LOv4飞机蒙皮图像目标检测算法.首先,增加用于目标预测的大尺度浅层特征层,以提高模型对小目标的检测效果;其次,增加特征融合网络层数,通过浅层与深层特征层的深度融合,丰富多尺度特征图中的特征信息;然后,通过K-means++聚类算法对数据集的真实框聚类,获得更具代表性的先验框尺寸,以提高预测框对目标的定位准确度;最后,引入ATSS对YOLOv4的样本选择策略进行优化,通过自适应获取最优的IoU阈值,实现正负样本自动划分,提升模型的检测性能.实验表明,在增加少量计算成本的情况下,算法的检测性能得到有效提升,mAP提升7.7％,检测的准确率达到80％以上.
文献关键词：
损伤检测;飞机蒙皮;深度学习;特征融合
中图分类号：
作者姓名：
农昌瑞;张静;杨智勇
作者机构：
海军航空大学,山东烟台264001;烟台理工学院,山东烟台,264001
文献出处：
引用格式：
[1]农昌瑞;张静;杨智勇-.改进的YOLOv4在飞机蒙皮损伤检测中的应用)[J].海军航空大学学报,2022(02):179-184,230
A类：
ATSS
B类：
YOLOv4,飞机蒙皮,皮损,损伤检测,小目标检测,漏检,图像目标检测,目标检测算法,大尺度,检测效果,加特,特征融合网络,网络层,层数,深层特征,多尺度特征图,特征信息,means++,聚类算法,先验框,定位准确,样本选择策略,IoU,正负样本,检测性能,计算成本,mAP
AB值：
0.338397
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。
