10.16358/j.issn.1009-1300.2021.9.016
基于改进YOLOv3的对陆导弹目标识别算法
在导弹攻击目标过程中,实现对打击目标的快速自动识别是对陆巡航导弹完成作战任务的关键,如何快速而准确地完成目标识别始终是目标识别技术研究的问题.针对采用电视图像寻的制导的对陆导弹,提出一种基于改进YOLOv3网络的目标识别方法.通过精简特征提取网络和深度分离卷积提高模型的检测效率;改进了多尺度特征融合方法,将自适应空间特征融合代替传统通道拼接,并将3尺度预测增加至4尺度预测,提高了模型检测精度;改进K均值聚类算法,优化锚框尺寸,提高模型识别能力.试验分析表明,该方法目标识别准确率和召回率分别达到84.32%和96.91%,识别速度为13.02 FPS,与YOLOv3基础模型相比均有较大提升,对提高导弹目标识别准确性和识别效率具有重要意义.
目标识别、对陆巡航导弹、深度学习、YOLOv3模型
TP391.9;TJ765.3(计算技术、计算机技术)
2021-06-21(万方平台首次上网日期,不代表论文的发表时间)
共8页
127-134