《面向小目标检测的改进YOLOv3算法》

技术简介：

搭载在无人机平台上的目标检测系统，在实际应用中往往面临许多小目标检测任务。为了克服小目标检出率低、检测精度差的问题，提出了一种基于YOLOv3的小目标检测改进算法。首先，通过K-means聚类算法对高空视角的遥感小目标数据集进行聚类分析，重新设置锚框的个数与相应参数。然后，在特征提取网络部分重新配置5次下采样后的残差块数量，并在更浅层的网络引出一个输出尺度，将其与上一个输出尺度中的特征信息进行特征拼接，使其保留更多小目标信息和边缘信息。通过对测试数据集进行测试分析，改进后检测算法的mAP达到92.21%,相较于原YOLOv3提升了5.84%,有效解决了YOLOv3部分小目标容易漏检的问题。

研发人员：徐思源;储开斌;张继;冯成涛;