改进的YOLOv3的红外目标检测算法

• 作者: 刘长明 曹红燕 沈小林 牛晓桐 陈燕
• 来源期刊: 电子测量与仪器学报
• 学科: 工学
• 关键词: 目标检测 YOLOv3算法 卷积神经网络 BN网络层 特征尺度
• 年，卷（期）: 2020,（8）
• 所属期刊栏目: 学术论文
• 页码范围: 188-194
• 页数: 7页
• 分类号: TP391.9
• 语种: 中文
• DOI: 10.13382/j.jemi.B1902791

摘要

复杂背景下红外多目标图像及视频的检测是目标检测的热点也是难点,为了更准确地检测出复杂背景下的红外目标,将YOLOv3算法进行改进,首先通过在算法的原有基础上增加特征尺度,提高对距离远且背景复杂的待测图像的识别精度,并将BN网络层与卷积神经网络层融合计算得到最后的检测结果,将原来的YOLOv3算法与改进后的算法的结果进行分析对比可得,改进后的算法能够将平均识别精度从64％提高到88％,将mAP从51.73提高到59.28,验证了改进后的YOLOv3算法在红外目标检测下具有更好的性能,更明显的优势.