科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对机场存在的雷达监视盲区问题，提出一种改进YOLOv3目标检测算法。首先，基于原YOLOv3主干特征提取网络加入SPP池化模块，以深度可分离卷积替代普通卷积。然后，针对小尺度目标数据集，增加第4层金字塔加强特征提取网络，在kmeans++聚类算法的基础上提出一种线性放缩进行锚框筛选。最后，在RSOD-Dataset数据集上MAP为88.82%,FPS为37.57。仿真结果表明该方法可以满足机场实时目标检测任务的需求。
- 单位
针对机场存在的雷达监视盲区问题，提出一种改进YOLOv3目标检测算法。首先，基于原YOLOv3主干特征提取网络加入SPP池化模块，以深度可分离卷积替代普通卷积。然后，针对小尺度目标数据集，增加第4层金字塔加强特征提取网络，在kmeans++聚类算法的基础上提出一种线性放缩进行锚框筛选。最后，在RSOD-Dataset数据集上MAP为88.82%,FPS为37.57。仿真结果表明该方法可以满足机场实时目标检测任务的需求。
