改进的YOLOV3算法在小目标检测中的研究与应用

战场目标的图像检测与识别对于战场监视、侦察、毁伤状态评估和火控系统研究等具有重要作用.以坦克装甲目标为研究对象,选用识别精度高、速度快的YOLOV3为基础目标检测模型,针对复杂战场环境中获取图像目标特征信息少的问题,引入多尺度特征增强结构的方法对YOLOV3模型进行改进,通过丰富特征图多样性的方式,提高模型性能.在坦克数据集上的实验结果表明,改进后的算法对于复杂战场环境下的小目标特征具有更强的敏感性,较大程度上增强了模型的识别精度.     

基于个体行为差异的CGF岗位模型

当前，对作战仿真在广度和深度上提出了更高层次的需求，即在扩大仿真规模的同时，更加注重仿真精度的提高。通过分析传统平台级CGF（Computer Generated Forces）模型在满足仿真需求方面的不足，建立了基于战斗岗位的武器平台CGF模型结构，研究了作战过程中影响战斗人员决策与操作行为的主要行为因素及其影响机制，并将其引入到岗位模型。最后，实现了考虑个体行为因素的坦克CGF炮长岗位模型，并对所建立的坦克炮长岗位模型在某作战仿真系统中的应用效果进行了分析。