基于改进YOLOV3算法的弹库目标识别方法研究

作者：何伟鑫; 邓建球; 刘爱东; 丛林虎

来源：现代电子技术, 2021, 44(13): 1-6.

DOI：10.16652/j.issn.1004-373x.2021.13.001

• 目标检测
• 弹库
• 改进YOLOV3算法
• 深度学习
• 计算机视觉技术
• 网络结构优化
• 非极大值抑制

导弹仓库目标种类繁多,数量较大,将计算机视觉技术应用到导弹仓库内可增强对弹库的管控。当前基于深度学习的目标检测算法已经成为目标检测技术的主流,具有代表性的是YOLOV3算法,但其在检测高分辨率图像中的小尺寸物体精度较差。为了进一步提升YOLOV3算法的检测性能,以密集连接网络(DenseNet)优化原DarkNet53网络结构,使得网络提取特征的能力得以增强;以soft-NMS算法替换原NMS算法,减轻检测框误删以及目标漏检的几率,提升了模型的检测精确率。实验结果表明,相比于传统YOLOV3算法,研究改进的YOLOV3算法在弹库目标识别方面的性能更优。