针对敌士兵数据集样本较少的问题，提出一种基于YOLOv3的少样本深度学习目标检测方法.利用数据增广提高少样本目标检测模型的鲁棒性，改进网络结构将浅层网络特征图跨层连接至深层网络，采用<i>k</i>-means聚类获取适合士兵目标特性的锚点框，利用预训练提高模型训练收敛速度.实验结果表明，本文方法对少样本敌士兵目标检测成功率mAP达到85.6%、检测精度<i>IOU</i>达到82.18%，且对小型和遮挡目标检测效果较好；部署在NVIDIA TITAN V GPU计算机和NVIDIA Xavier嵌入式计算平台上的检测速度分别达到54.6和26.8 fps，实时性好.
PDF全文下载地址：http://journal.bit.edu.cn/zr/article/exportPdf?id=20210608