典型文献
复杂场景下基于增强YOLOv3的舰面多目标检测
文献摘要：
针对舰面场景复杂、目标相互遮挡导致检测率较低等问题,在YOLOv3算法基础上提出了适用于舰面目标检测的增强YOLOv3算法.在输入网络中加入融合的数据增强策略对图像进行色域变换、裁剪、遮挡等操作,设计了多种类图片选取、变换及组合方式来丰富样本信息;针对舰面目标尺寸的特点,利用K-means算法重新设计与检测目标相匹配的先验锚框并分配至对应的预测尺度,以加速模型收敛;在输出网络中通过线性函数对Soft-NMS算法的高斯软阈值函数参数设定进行了改进,以适应不同密集度下的抑制需要,提高网络检测能力.通过将增强的目标检测算法在目标数据集上进行实验对比,其结果显示,在5类舰面目标识别的精确率和召回率分别提高了1.4％和10.3％,平均准确率值(mAP)达到了95.24％,检测速度达到21.5 frame/s,有效解决了复杂场景下的舰面多目标检测问题.
文献关键词：
YOLOv3算法;K-means;非极大抑制;密集目标检测;数据增强
中图分类号：
作者姓名：
朱兴动;汪丁;范加利;王正;黄葵
作者机构：
海军航空大学,山东 烟台 264001;海军航空大学 青岛校区,山东 青岛 266041
文献出处：
引用格式：
[1]朱兴动;汪丁;范加利;王正;黄葵-.复杂场景下基于增强YOLOv3的舰面多目标检测)[J].计算机工程与应用,2022(13):177-184
A类：
B类：
复杂场景,YOLOv3,多目标检测,遮挡,检测率,舰面目标,入网,数据增强策略,行色,色域,域变换,裁剪,组合方式,标尺,means,重新设计,先验,锚框,加速模型,输出网络,线性函数,Soft,NMS,软阈值函数,函数参数,参数设定,密集度,网络检测,检测能力,目标检测算法,实验对比,目标识别,精确率,召回率,平均准确率,mAP,检测速度,frame,检测问题,非极大抑制,密集目标检测
AB值：
0.431536
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。
