论文部分内容阅读
针对无人机航拍视频中车辆目标的检测和定位问题,提出了一种基于YOLO V3深度卷积神经网络的车辆检测方法,提高车辆检测过程中的目标置信度,降低漏检率。在网络结构设计上,构建一个基于残差网络的卷积神经网络提取每帧视频的深度特征,随后在此基础上对中间卷积结果进行上采样、连接处理,分别输出三种分辨率的特征图,并在每个分辨率的特征图上设置5个锚点框。在网络的训练方面,损失函数设置为关于位置框坐标、置信度和分类的多任务损失函数,随后将已经标出车辆定位框的视频帧作为训练数据,以误差反向传递的方式调整整个网络参数