论文提出一种基于改进的YOLOv3的战场敏感目标检测方法.考虑到战场中目标的敏感性,不仅要保证检测的实时性,还需要保证较低的漏检率.针对YOLOv3在敏感目标检测中存在的漏检率高、准确率低的缺陷,论文通过改进预选框生成算法、设置针对敏感目标的损失函数,得到最优检测模型.通过在sensitive-16k测试数据集进行测试,结果表明,改进后的YOLOv3敏感目标检测算法的mAP(mean Average Precision)达到了80.34％,召回率达到了89.68％,可以较好地解决战场中敏感目标的检测问题.
A Sensitive-object Detection Method Based on Improved YOLOv3
国家科技期刊平台
NSTL
万方数据
维普
