首页|改进YOLOv3算法下通航机场场面运动目标检测

改进YOLOv3算法下通航机场场面运动目标检测

扫码查看
原文链接
  • 万方数据
  • 维普
为获得更好的检测精度和更快的检测速度,保障通航机场场面运行安全,提出一种改进的YOLOv3算法,分别从网络结构和损失函数2方面进行改进.首先,在主干网络中使用深度可分离卷积代替原卷积,构建基于距离交并比(DIoU)的目标框回归损失函数;然后,以某通航机场为研究对象,搭建通航机场场面目标检测场景,采用迁移学习和冻结训练相结合的训练方法,以提升场面目标检测的速度;最后,比较分析所提算法与传统的YOLOv3、YOLOv4算法的识别效果.结果表明:飞机目标的检测效果明显优于车辆和人员目标,改进的YOLOv3算法对目标的检测精度、召回率、全类平均精度(mAP)分别达到92.96％、80.51％、91.96％,图形处理器处理速度高达74帧/s,较传统的YOLOv3、YOLOv4算法性能均有明显提升,可实现通航机场场面运动目标的有效检测.
Moving target detection of general aviation airport based on improved YOLOv3 algorithm

夏正洪、魏汝祥、李彦冬

展开 >

中国民用航空飞行学院空中交通管理学院,四川广汉618307

安阳学院航空工程学院,河南安阳455000

改进YOLOv3算法 通航机场 目标检测 深度可分离卷积 距离交并比(DIoU)

四川省科技计划中飞院智慧民航专项重点项目中国民用航空飞行学院研究生科研创新基金

22ZDYF0196ZHMH2022-002XSY2022-30

2023

10.16265/j.cnki.issn1003-3033.2023.02.0149

中国安全科学学报
中国职业安全健康协会

中国安全科学学报

CSTPCDCSCD北大核心
影响因子：1.548
ISSN：1003-3033
年,卷(期)：2023.33(2)
  • 6