典型文献
基于改进YOLO_v3-SPP的无人机图像目标检测系统与实现
文献摘要：
针对现有无人机图像目标检测算法检测率低、误检率高的问题,提出了一种改进YOLO_v3-SPP网络的目标检测算法.以YOLO_v3-SPP网络为基础,在网络结构上进行更多尺度的特征融合,将DarkNet-53中的第3、第4卷积层的信息经下采样后送入网络中进行融合,可提高目标多尺度检测的准确度;引入异常检测网络对目标进行二次判定,可剔除误检样本,有效降低目标检测的误判率.在公开数据集和自建军事目标数据集上进行实验,平均精度提升了4％,改善了现有算法在侦察影像上应用时存在的漏检和误检问题.最后将算法模型移植到硬件平台,系统检测速度小于40 ms,具有较好的检测效果.
文献关键词：
无人机图像;目标检测;特征融合;异常检测;YOLO_v3-SPP
中图分类号：
作者姓名：
刘永峰;沈延安;韦哲;李从利
作者机构：
陆军炮兵防空兵学院兵器工程系,合肥 230031;陆军炮兵防空兵学院无人机应用系,合肥 230031
文献出处：
引用格式：
[1]刘永峰;沈延安;韦哲;李从利-.基于改进YOLO_v3-SPP的无人机图像目标检测系统与实现)[J].弹箭与制导学报,2022(05):32-37
A类：
B类：
YOLO,v3,SPP,无人机图像,图像目标检测,目标检测算法,检测率,误检率,特征融合,DarkNet,卷积层,下采样,后送,送入,入网,目标多尺度,多尺度检测,异常检测,测网,误判率,公开数据集,建军,军事目标,精度提升,侦察,漏检,算法模型,硬件平台,系统检测,检测速度,ms,检测效果
AB值：
0.447129
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。
