基于改进YOLOV3算法的弹库目标识别方法研究

摘要：

导弹仓库目标种类繁多,数量较大,将计算机视觉技术应用到导弹仓库内可增强对弹库的管控.当前基于深度学习的目标检测算法已经成为目标检测技术的主流,具有代表性的是YOLOV3算法,但其在检测高分辨率图像中的小尺寸物体精度较差.为了进一步提升YOLOV3算法的检测性能,以密集连接网络(DenseNet)优化原DarkNet53网络结构,使得网络提取特征的能力得以增强;以soft-NMS算法替换原NMS算法,减轻检测框误删以及目标漏检的几率,提升了模型的检测精确率.实验结果表明,相比于传统YOLOV3算法,研究改进的YOLOV3算法在弹库目标识别方面的性能更优.

关键词：目标检测、弹库、改进YOLOV3算法、深度学习、计算机视觉技术、网络结构优化、非极大值抑制

所属期刊栏目：44

分类号：TN711-34;TP3(基本电子电路)

资助基金：国家自然科学基金51605487

在线出版日期：2021-07-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：1-6