文献类型：期刊文章

作　　者：郭晓静[1] 隋昊达[1]

GUO Xiaojing;SUI Haoda(College of Electronic Information and Automation,Civil Aviation University of China,Tianjin 300300,China)

机构地区：[1]中国民航大学电子信息与自动化学院,天津300300

出　　处：《计算机工程与应用》

基　　金：中央高校基本科研业务费资助项目(3122020026);波音基金(20190621044)。

年　　份：2021

卷　　号：57

期　　号：8

起止页码：249-255

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CSCD、CSCD_E2021_2022、IC、JST、RCCSE、ZGKJHX、核心刊

摘　　要：针对机场跑道异物(Foreign Object Debris,FOD)的小目标特点,提出一种基于改进YOLOv3的FOD目标检测算法。以YOLOv3网络为基础,采用运算复杂度相对更低的Darknet-49作为特征提取网络,并将检测尺度增加至4个,进行多尺度特征融合。使用基于马尔科夫链蒙特卡罗采样(Markov Chain Monte Carlo sampling,MCMC)的K-means++算法对标注边界框尺寸信息进行聚类分析。训练时引入GIoU边界框回归损失函数。实验结果表明,改进的YOLOv3目标检测算法在满足实时性要求的情况下,精确率和召回率达到了95.3%和91.1%,与Faster R-CNN相比具有更高的检测速度,与SSD相比具有更高的检测精度,有效解决了原YOLOv3存在的定位精度偏低和漏检问题。

关 键 词：机场跑道异物  小目标检测 特征融合  聚类分析 损失函数

分 类 号：TP391.4]