10.11772/j.issn.1001-9081.2020040466
同一场景下超大尺度差异物体的识别和定位方法
近年来,深度学习在物体检测方面取得了非常好的效果和突飞猛进的发展,但在某些特殊场景下,如要求同时检测尺度相差极大的目标物体(相差大于100倍)时,现有的物体识别方法的性能急剧下降.针对同一场景下超大尺度差异物体识别与定位问题,对YOLOv3框架进行了改进,结合图像金字塔技术来提取图像的多尺度特征;并在训练过程中,针对不同尺度的目标提出采用动态交并比(IoU)的策略,此策略可以更好地解决样本不均衡的问题.实验结果表明,该模型对同一场景下超大超小物体的识别能力有了明显的提升.将之应用于机场环境,取得了较好的应用效果.
超大尺度差异、物体识别、YOLOv3、动态交并比、深度学习
40
TP391(计算技术、计算机技术)
中央军委装备发展部武器装备预研基金资助项目;中央高校基本科研业务费资助项目
2021-01-11(万方平台首次上网日期,不代表论文的发表时间)
共6页
3520-3525