典型文献
改进损失函数的地基云状目标检测算法
文献摘要：
云是一种常见的天气现象,云状是天气预测的关键特征.目前,地基云图像中的云状观测主要依赖于气象观测员的目视观测,十分依赖观测员的经验,实时性和效率较低.针对这一问题,提出使用深度学习的方法进行地基云状检测识别.设计了一种新的目标检测边界框损失函数UIoU,将其应用于YOLOv3算法上.并且使用了K-means聚类算法重新设计了适用于地基云状数据集的先验框尺寸,使得边界框回归更加精确和稳定.实验结果表明UIoU-YOLOv3相比于原算法精度得到了有效提升,在VOC数据集和地基云状数据集上mAP数值分别提升了3.4个百分点和2.56个百分点.
文献关键词：
目标检测;地基云状识别;YOLOv3;DIoU
中图分类号：
作者姓名：
王胜春;陈阳
作者机构：
湖南师范大学 信息科学与工程学院,长沙 410081
文献出处：
引用格式：
[1]王胜春;陈阳-.改进损失函数的地基云状目标检测算法)[J].计算机工程与应用,2022(02):169-175
A类：
UIoU,地基云状识别
B类：
损失函数,目标检测算法,天气现象,天气预测,关键特征,地基云图,云图像,气象观测,观测员,目视,出使,使用深度,检测识别,YOLOv3,means,聚类算法,重新设计,先验框,边界框回归,VOC,mAP,百分点,DIoU
AB值：
0.333553
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。
