|
|||||
|
|
| 士兵目标的少样本深度学习检测方法 | |
| 作者姓名： | 王建中 王洪枫 刘弘扬 李博 孙庸 张驰逸 |
| 作者单位： | 北京理工大学机电学院,北京 100081 |
| 基金项目： | 国家部委基础科研计划资助项目（JCKY2019602C015） |
| 摘 要： | 针对敌士兵数据集样本较少的问题,提出一种基于YOLOv3的少样本深度学习目标检测方法.利用数据增广提高少样本目标检测模型的鲁棒性,改进网络结构将浅层网络特征图跨层连接至深层网络,采用k-means聚类获取适合士兵目标特性的锚点框,利用预训练提高模型训练收敛速度.实验结果表明,本文方法对少样本敌士兵目标检测成功率mAP达到85.6%、检测精度IOU达到82.18%,且对小型和遮挡目标检测效果较好;部署在NVIDIA TITAN V GPU计算机和NVIDIA Xavier嵌入式计算平台上的检测速度分别达到54.6和26.8 fps,实时性好. |
| 关 键 词： | 兵器科学与技术 深度学习 目标检测 目标跟踪 |
| 收稿时间： | 2020-12-09 |
| 本文献已被 CNKI 万方数据 等数据库收录！ | |
| 点击此处可从《北京理工大学学报》浏览原始摘要信息 | |
| 点击此处可从《北京理工大学学报》下载免费的PDF全文 | |