基于改进YOLOv3的机载平台目标检测算法

作者：严开忠; 马国梁; 许立松; 尚海鹏; 于睿

来源：电光与控制, 2021, 28(05): 70-74.

• 目标检测
• 侦察无人机
• YOLOv3
• 深度可分离卷积
• DIoU
• TensorRT

针对小型智能侦察无人机机载平台存在的计算力受限、检测速度较慢的问题,提出了一种基于YOLOv3改进的目标检测算法。首先引入深度可分离卷积改进YOLOv3的骨干网络,降低网络的参数和计算量,提高算法的检测速度,再根据机载视角下目标形状的特点,预置K-means产生先验框的初始聚类中心,并在边框回归中引入CIoU损失函数,将DIoU与NMS结合,改善YOLOv3对密集目标的漏检问题,最后再通过TensorRT优化加速后部署到英伟达Jetson TX2机载计算平台。实验结果表明,所改进的算法在验证集上的平均精度均值(MAP)达到了82%,检测速度从3.4帧/s提升到16帧/s,满足实时性要求。

• 单位
  南京理工大学