在利用视觉检测算法进行检测与定位的过程中,当空域中目标无人机相对较小时,现有的检测算法容易受到空中其他飞行物、复杂背景和光照强度变化影响导致检测精度较低。为了解决这一问题,提出了一种基于YOLOv3改进的目标检测算法。当空域...在利用视觉检测算法进行检测与定位的过程中,当空域中目标无人机相对较小时,现有的检测算法容易受到空中其他飞行物、复杂背景和光照强度变化影响导致检测精度较低。为了解决这一问题,提出了一种基于YOLOv3改进的目标检测算法。当空域中目标无人机体积相对较小、视觉特征较弱、存在其他干扰时,通过增加主干特征提取网络对图像特征提取的层级数,提取多个不同尺度特征层进行跨层连接融合,使多个不同层级的特征层之间的语义信息联系得更加紧密,让网络模型可以学习到不同尺度目标的特征信息,以此增强检测算法对小目标无人机检测的精度。最后,利用Drone vs Birds数据集进行实验测试,所提出的算法可以有效地提高小型无人机目标的检测精度,检测速度基本满足实际要求。展开更多
文摘在利用视觉检测算法进行检测与定位的过程中,当空域中目标无人机相对较小时,现有的检测算法容易受到空中其他飞行物、复杂背景和光照强度变化影响导致检测精度较低。为了解决这一问题,提出了一种基于YOLOv3改进的目标检测算法。当空域中目标无人机体积相对较小、视觉特征较弱、存在其他干扰时,通过增加主干特征提取网络对图像特征提取的层级数,提取多个不同尺度特征层进行跨层连接融合,使多个不同层级的特征层之间的语义信息联系得更加紧密,让网络模型可以学习到不同尺度目标的特征信息,以此增强检测算法对小目标无人机检测的精度。最后,利用Drone vs Birds数据集进行实验测试,所提出的算法可以有效地提高小型无人机目标的检测精度,检测速度基本满足实际要求。
