基于YOLOV3改进的算法在对地目标检测中的应用

摘要

对地目标检测因其视野旷阔，在交通安全、无人机侦察等领域应用广泛.对地目标具有数量多、尺度小的特点，导致检测精度不高、召回率低.针对上述问题，提出了一种基于YOLOV3改进的对地目标检测算法.首先，对数据集进行维度聚类，设计新的锚框尺寸，将先验数据融入模型，增强检测模型的有效性；其次，改进原有的网络模型，优化YOLOV3的目标预测框损失函数，使用CIoU损失代替原有的和方差损失，提高了目标预测框的回归稳定性.实验结果表明：改进的算法在VisDrone2018数据集上相对YOLOV3算法的召回率提高了11.2%,平均准确率均值提高了3.36%,改进的算法对对地目标检测的结果优于原本的YOLOV3算法.

关键词

对地目标 / 目标检测 / 维度聚类 / YOLOV3 / CIoU