典型文献
基于改进Yolo v3的弹载图像弱小目标检测算法
文献摘要：
结合弹载摄像机的成像特点,对不同目标在弹载图像中的尺度信息进行分析,重点对复杂作战环境下的弱小目标检测问题进行研究.优化小目标样本数据结构,扩充小目标样本比例,并将远距离成像不易区分类别的目标统一标注为"target"类.优化Yolo v3网络结构,利用K-means对多尺度预测分支上的anchor大小重新聚类,并在FPN大尺度特征提取前融合中、小尺度特征信息,通过卷积注意力模块和双线性插值上采样提高特征图中显著特征的表达能力,减少弱小目标特征信息损失.优化后的算法大幅度提高了弱小目标检测精度,降低误检和漏检率,并保证了算法的处理速度.
文献关键词：
弹载图像;目标检测;Yolo v3;弱小目标
中图分类号：
作者姓名：
田宗浩;郭佳晖;孙姗姗;申倩
作者机构：
陆军炮兵防空兵学院高过载弹药制导控制与信息感知实验室,合肥 230031
文献出处：
引用格式：
[1]田宗浩;郭佳晖;孙姗姗;申倩-.基于改进Yolo v3的弹载图像弱小目标检测算法)[J].火力与指挥控制,2022(04):34-42
A类：
弹载图像
B类：
Yolo,v3,弱小目标检测,目标检测算法,合弹,摄像机,成像特点,尺度信息,作战环境,检测问题,数据结构,远距离,分类别,标统,target,means,多尺度预测,anchor,FPN,大尺度,尺度特征,小尺度,特征信息,卷积注意力模块,双线性插值,上采样,特征图,显著特征,表达能力,小目标特征,信息损失,大幅度提高,检测精度,漏检率,处理速度
AB值：
0.310022
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
