基于改进YOLO v3的飞行目标检测算法研究  

作　　者：李玉虎 

机构地区：[1]广州工程技术职业学院,广东广州510075

出　　处：《机电信息》2024年第23期81-84,共4页

基　　金：广州市教育局2022年高校科研(青年人才)项目(202235284)。

摘　　要：飞行目标往往呈现为十几个像素点的小目标,对其准确检测是黑飞反制、管控等应用中首要解决的问题。鉴于此,提出一种基于改进YOLOv3的方法提高飞行目标的检测能力。首先为避免梯度消失,增强特征的复用,在特征检测层引入残差网络;其次为提高小目标的检测能力,增加对4倍下采样特征的检测;然后通过数据集对未改进YOLOv3和改进后YOLOv3进行训练获取模型;最后将FasterR-CNN、未改进YOLOv3和改进后YOLOv3进行实验对比,数据显示改进后YOLOv3的准确度提升14个百分点以上,能较好地检测出飞行目标。

关 键 词：飞行目标检测 YOLO v3 深度学习 

分 类 号：TP391[自动化与计算机技术—计算机应用技术]