改进的YOLOv4在飞机蒙皮损伤检测中的应用

• 作者: 农昌瑞 张静 杨智勇
• 来源期刊: 海军航空大学学报
• 学科: 航空航天
• 关键词: 损伤检测 飞机蒙皮 深度学习 特征融合
• 年，卷（期）: 2022,（2）
• 所属期刊栏目: 飞行器工程
• 页码范围: 179-184,230
• 页数: 7页
• 分类号: V267
• 语种: 中文
• DOI: 10.7682/j.issn.2097-1427.2022.02.003

摘要

针对飞机蒙皮检测中存在的小目标检测欠佳、漏检等问题,提出了1种基于增强特征融合和ATSS的YO-LOv4飞机蒙皮图像目标检测算法.首先,增加用于目标预测的大尺度浅层特征层,以提高模型对小目标的检测效果;其次,增加特征融合网络层数,通过浅层与深层特征层的深度融合,丰富多尺度特征图中的特征信息;然后,通过K-means++聚类算法对数据集的真实框聚类,获得更具代表性的先验框尺寸,以提高预测框对目标的定位准确度;最后,引入ATSS对YOLOv4的样本选择策略进行优化,通过自适应获取最优的IoU阈值,实现正负样本自动划分,提升模型的检测性能.实验表明,在增加少量计算成本的情况下,算法的检测性能得到有效提升,mAP提升7.7％,检测的准确率达到80％以上.