改进YOLOv3在航拍目标检测中的应用

摘要：

近年来,基于深度学习的航拍目标检测在无人驾驶、军事侦察、灾害检测等领域有着广泛的应用,更精确、高效的算法是目前航拍目标检测研究的热点与难点.提出一种基于改进YOLOv3算法的航拍目标检测方法,对航拍数据集进行目标先验框维度聚类、优化锚点参数,提高了网络对航拍目标的检测有效性.同时对原网络进行改进,减少部分卷积操作并引入跳跃连接机制降低特征冗余,提高了检测准确率,并降低了小目标的误检率与漏检率.实验结果表明,改进YOLOv3算法相较于原始YOLOv3算法的效果有明显提升,对于较高分辨率的航拍图像,加快了网络的收敛速度,并在保证实时性的前提下,将检测平均准确率(mean Average Precision,mAP)提高了12.7％.

关键词：目标检测、航拍图像、深度学习、YOLOv3算法

所属期刊栏目：56

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家自然科学基金;中国科学院自动化研究所模式识别国家重点实验室开放课题

在线出版日期：2020-04-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：17-23