计算机应用

作者：王一婷, 张柯, 李捷, 郝宗波, 段昶, 朱策

单位：1. 电子科技大学 信息与软件工程学院, 成都 610054;2. 四川九洲电器集团有限责任公司, 四川 绵阳, 621000;3. 西南石油大学 电气信息工程学院, 成都 610500;4. 电子科技大学 信息与通信工程学院, 成都 611731

关键词：超大尺度差异,物体识别,YOLOv3,动态交并比,深度学习

基金：中央军委装备发展部武器装备预研基金资助项目（41412010201）；中央高校基本科研业务费资助项目（A03013023001049）。

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。

来源：2020年第12期

《计算机应用》期刊编辑部

查看计算机应用杂志2020年第12期