首页|士兵目标的少样本深度学习检测方法

士兵目标的少样本深度学习检测方法

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
针对敌士兵数据集样本较少的问题,提出一种基于YOLOv3的少样本深度学习目标检测方法.利用数据增广提高少样本目标检测模型的鲁棒性,改进网络结构将浅层网络特征图跨层连接至深层网络,采用k-means聚类获取适合士兵目标特性的锚点框,利用预训练提高模型训练收敛速度.实验结果表明,本文方法对少样本敌士兵目标检测成功率mAP达到85.6％、检测精度IOU达到82.18％,且对小型和遮挡目标检测效果较好;部署在NVIDIA TITAN V GPU计算机和NVIDIA Xavier嵌入式计算平台上的检测速度分别达到54.6和26.8 fps,实时性好.
A Deep Learning Detection Method for Soldier Target Based on Few Samples

王建中、王洪枫、刘弘扬、李博、孙庸、张驰逸

展开 >

北京理工大学机电学院,北京 100081

兵器科学与技术 深度学习 目标检测 目标跟踪

国家部委基础科研计划资助项目

JCKY2019602C015

2021

10.15918/j.tbit1001-0645.2020.229

北京理工大学学报
北京理工大学

北京理工大学学报

CSTPCDCSCD北大核心
影响因子：0.609
ISSN：1001-0645
年,卷(期)：2021.41(6)
  • 4
  • 6