改进YOLOv3算法下通航机场场面运动目标检测

为获得更好的检测精度和更快的检测速度，保障通航机场场面运行安全，提出一种改进的YOLOv3算法，分别从网络结构和损失函数2方面进行改进。首先，在主干网络中使用深度可分离卷积代替原卷积，构建基于距离交并比(DIoU)的目标框回归损失函数；然后，以某通航机场为研究对象，搭建通航机场场面目标检测场景，采用迁移学习和冻结训练相结合的训练方法，以提升场面目标检测的速度；最后，比较分析所提算法与传统的YOLOv3、YOLOv4算法的识别效果。结果表明：飞机目标的检测效果明显优于车辆和人员目标，改进的YOLOv3算法对目标的检测精度、召回率、全类平均精度(mAP)分别达到92.96%、80.51%、91.96%,图形处理器处理速度高达74帧/s,较传统的YOLOv3、YOLOv4算法性能均有明显提升，可实现通航机场场面运动目标的有效检测。