改进损失函数的地基云状目标检测算法

作     者：王胜春 陈阳 WANG Shengchun;CHEN Yang

作者机构：湖南师范大学信息科学与工程学院长沙410081 

基　　金：湖南省重点领域研发计划(2019SK2161) 湖南省重点研发计划(2016SK2017) 

出 版 物：《计算机工程与应用》 (Computer Engineering and Applications)

年 卷 期：2022年第58卷第2期

页      码：169-175页

摘      要：云是一种常见的天气现象,云状是天气预测的关键特征。目前,地基云图像中的云状观测主要依赖于气象观测员的目视观测,十分依赖观测员的经验,实时性和效率较低。针对这一问题,提出使用深度学习的方法进行地基云状检测识别。设计了一种新的目标检测边界框损失函数UIoU,将其应用于YOLOv3算法上。并且使用了K-means聚类算法重新设计了适用于地基云状数据集的先验框尺寸,使得边界框回归更加精确和稳定。实验结果表明UIoU-YOLOv3相比于原算法精度得到了有效提升,在VOC数据集和地基云状数据集上mAP数值分别提升了3.4个百分点和2.56个百分点。

主 题 词：目标检测 地基云状识别 YOLOv3 DIoU 

学科分类：081203[081203] 08[工学] 0835[0835] 0812[工学-测绘类] 

D　O　I：10.3778/j.issn.1002-8331.2007-0509

馆 藏 号：203107121...