基于改进的YOLOv3-SPP算法目标检测研究

为了更好的对复杂战场环境下军事目标检测和侦查,提出一种基于YOLOv3-SPP的改进算法.通过收集不同目标尺寸、类别等条件下坦克、步战车、雷达等军事对象,构建军事目标小型数据集;对数据集进行数据增强处理,扩充样本数,提高训练模型鲁棒性;将DIoU和Focal Loss替换均方误差函数和交叉熵函数,提高目标检测算法精度;利用K-means++聚类算法计算得出适用的锚框,进一步提高模型检测精度.实验结果表明,改进的YOLOv3-SPP军事目标检测算法相对于原YOLOv3-SPP算法,模型收敛更快,平均精度提高了 10％,精度和召回率分别提高了 9％和8％,具备良好的检测能力,能为战场环境下军事目标的检测和侦查任务提供技术支持.