摘要
YOLOv3目标检测模型对于巡飞弹作战中的军事集群目标存在可能漏检紧邻目标的问题。改进算法以YOLOv3为基础,对其候选框选择算法采用的非极大值抑制(NMS)引入惩罚函数,实现soft-NMS,从而减少紧邻目标识别边框被误删的概率。同时针对军事目标数据稀缺的情况,对数据的预处理采用k-fold交叉验证策略,抑制过拟合现象,充分训练模型。实验结果表明,改进算法后对集群目标的检测效果要好于原YOLOv3,其准确率提高了3.14%,召回率提高了17.58%,符合巡飞弹作战中对目标检测精度指标的要求。
-
单位北方自动控制技术研究所