文献类型：期刊文章

作　　者：江德港[1] 江智[1] 黄子杰[1] 郭彩玲[2] 李柏林[1]

JIANG Degang;JIANG Zhi;HUANG Zijie;GUO Cailing;LI Bailin(Graduate School of Tangshan,Southwest Jiaotong University,Tangshan,Hebei 063000,China;Key Laboratory of Intelligent Equipment Digital Design and Process Simulation of Hebei Province,Tangshan University,Tangshan 063000,China)

机构地区：[1]西南交通大学唐山研究院,河北唐山063000 [2]唐山学院河北省智能装备数字化设计及过程仿真重点实验室,河北唐山063000

出　　处：《计算机工程与应用》

年　　份：2023

卷　　号：59

期　　号：12

起止页码：228-234

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CSCD、CSCD_E2023_2024、IC、JST、RCCSE、ZGKJHX、核心刊

摘　　要：针对无人机航拍图像中存在背景复杂,造成车辆漏检严重,检测精度低,以及现有深度网络存在参数量过多、检测速度慢的问题,提出一种基于Efficientnet的无人机车辆目标检测算法。引入轻量化网络Efficientnet作为YOLOv3模型特征提取网络,降低模型参数量,从而提高算法检测速度;采用K-means聚类算法对无人机车辆数据集真实框进行聚类,得到更为精确的边界框尺寸,提高检测的精度;使用CIoU边界框损失函数改进模型回归损失,提高模型收敛能力。实验结果表明,改进后的算法在自制无人机车辆数据集中mAP达到92.60%,FPS达到31.15,相对于原始算法分别提高了2.12个百分点和9.87,更加适用于无人机场景下的车辆检测任务。

关 键 词：无人机 车辆检测 YOLOv3  Effcientnet  CIoU  

分 类 号：TP391.41]