改进YOLOv3在机场跑道异物目标检测中的应用

摘要：

针对机场跑道异物(Foreign Object Debris,FOD)的小目标特点,提出一种基于改进YOLOv3的FOD目标检测算法.以YOLOv3网络为基础,采用运算复杂度相对更低的Darknet-49作为特征提取网络,并将检测尺度增加至4个,进行多尺度特征融合.使用基于马尔科夫链蒙特卡罗采样(Markov Chain Monte Carlo sampling,MCMC)的K-means++算法对标注边界框尺寸信息进行聚类分析.训练时引入GIoU边界框回归损失函数.实验结果表明,改进的YOLOv3目标检测算法在满足实时性要求的情况下,精确率和召回率达到了95.3％和91.1％,与Faster R-CNN相比具有更高的检测速度,与SSD相比具有更高的检测精度,有效解决了原YOLOv3存在的定位精度偏低和漏检问题.

关键词：机场跑道异物、小目标检测、特征融合、聚类分析、损失函数

所属期刊栏目：57

分类号：TP391.4(计算技术、计算机技术)

资助基金：中央高校基本科研业务费资助项目;波音基金

在线出版日期：2021-04-28（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：249-255