战术导弹技术TacticalMissileTechnologyNo.2Mar.2023第2期2023年3月基于改进YOLOV3的海上弹着点水柱信号检测算法姬嗣愚，王永生，翟一琛（海军航空大学，烟台264001）摘要：在海上实弹射击训练的过程中，快速、准确地检测出弹着点处水柱信号对评估射击效果具有重要意义。针对传统的人工检靶方式效率低、误差大，且无法分辨重叠弹着点的问题，结合深度学习理论，提出了一种基于改进YOLOV3的目标检测算法。在网络输入端利用Mosaic数据增强方式，丰富了检测物体的背景和小目标，降低了网络训练门槛。将Mish函数作为网络基本组件中的激活函数，提高了网络泛化能力。构建新的检测模块，将输入的特征信息分为两个分支，通过特征压缩与拼接，实现通道间信息交互。同时，对不同尺度的特征进行融合，提高网络特征提取能力。目标数据集的实验结果表明，改进后的YOLOV3算法平均准确率提高了5.39%，达到了82.64%，检测速度由27.74FPS提高到了29.61FPS，可以更好地完成海上弹着点水柱信号检测任务。关键词：目标检测；深度学习；改进YOLOV3；Mish；多尺度特征融合；特征拼接；数据增强中图分类号：TP391.41文献标识码：A文章编号：1009-1300（2023）02-0144-09DOI：10.16358/j.issn.1009-1300.20220591MarineimpactwatercolumnsignaldetectionalgorithmbasedonimprovedYOLOV3JiSiyu，WangYongsheng，ZhaiYichen（NavalAviationUniversity，Yantai264001，China）Abstract:Duringalive-firetrainingexerciseatsea,itisveryimportanttoquicklyandaccuratelydetectthewatercolumnsignalattheimpactpointtoevaluatethefiringeffect.Aimingattheproblemsoflowefficiency,largeerrorandinabilitytodistinguishoverlappingimpactpointsinthetraditionalmanualtargetdetection,atargetdetectionalgorithmbasedonimprovedYOLOV3isproposedbycombiningwithdeeplearningtheory.Mosaicdataenhancementmethodisusedinthenetworkinputendtoenrichthebackgroundandsmalltargetsofdetectedobjectsandreducethethresholdofnetworktraining.Mishfunctionisusedasactivationfunctioninbasicnetworkcomponentstoimprovenetworkgeneralization.Anewdetectionmoduleisconstructed,whichdividestheinputfeatureinformationintotwobranchestorealizetheinformationinteraction收稿日期：2022-10-06；修回日期：2023-01-10通讯作者：姬嗣愚，硕士研究生，主要研究方向为武器系统设计与模拟...
