-
题名改进的YOLOv3的红外目标检测算法
被引量：29
- 1
-
-
作者
曹红燕
沈小林
刘长明
牛晓桐
陈燕
-
机构
中北大学电气与控制工程院
陆军装备部驻北京地区军事代表局某军代室
-
出处
《电子测量与仪器学报》
CSCD
北大核心
2020年第8期188-194,共7页
-
文摘
复杂背景下红外多目标图像及视频的检测是目标检测的热点也是难点,为了更准确地检测出复杂背景下的红外目标,将YOLOv3算法进行改进,首先通过在算法的原有基础上增加特征尺度,提高对距离远且背景复杂的待测图像的识别精度,并将BN网络层与卷积神经网络层融合计算得到最后的检测结果,将原来的YOLOv3算法与改进后的算法的结果进行分析对比可得,改进后的算法能够将平均识别精度从64%提高到88%,将mAP从51.73提高到59.28,验证了改进后的YOLOv3算法在红外目标检测下具有更好的性能,更明显的优势。
-
关键词
目标检测
YOLOv3算法
卷积神经网络
BN网络层
特征尺度
-
Keywords
target detection
YOLOv3 algorithm
convolutional neural network
BN network layer
feature scale
-
分类号
TP391.9
[自动化与计算机技术—计算机应用技术]
-
