基于改進(jìn)YOLOv3無(wú)人機(jī)圖像目標(biāo)檢測(cè)

打開文本圖片集

摘要：無(wú)人機(jī)航拍圖像中的物體通常很小，邊界模糊，加上復(fù)雜的背景和不斷變化的照明條件，所以YOLOv3算法的檢測(cè)精度相對(duì)較低.因此，構(gòu)造四級(jí)BiFPN，既可以對(duì)融合的輸出特征作出平等的貢獻(xiàn)，又可以使得Neck部分變?yōu)镕PN+PAnet結(jié)構(gòu)，同時(shí)充分利用底層與高層特征融合信息，以提高特征提取和目標(biāo)檢測(cè)性（剩余10875字）