实时目标检测算法YOLO的批再规范化处理

• 作者: 凌伟林 战荫伟 温捷文 郭灿樟
• 来源期刊: 计算机应用研究
• 关键词: 目标检测 深度学习 卷积神经网络 批再规范化 YOLO
• 年，卷（期）: 2018,（10）
• 所属期刊栏目: 图形图像技术
• 页码范围: 3179-3185
• 页数: 7页
• 分类号: TP301.6
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2018.10.070

摘要

实时目标检测YOLO(you only look once)算法存在检测精度低和网络模型训练速度慢等问题,对此,结合批再规范化算法处理小批样本以及非独立同分布数据的优势,引入批再规范化处理对YOLO网络结构予以改进,即把卷积层中经卷积运算产生的特征图看做神经元,并对其进行规范化处理.同时,在网络结构中移除dropout,并增大网络训练的学习率.实验结果表明,该改进算法相对于原YOLO算法具有更高的检测精度、更快的实时检测速度,并且通过适当设置批样本大小可使网络模型在训练时间和硬件设备方面成本有一定的降低.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	战荫伟	广东工业大学计算机学院	53	451	12.0	19.0
2	温捷文	广东工业大学计算机学院	3	37	3.0	3.0
3	凌伟林	广东工业大学计算机学院	2	28	2.0	2.0
4	郭灿樟	广东工业大学计算机学院	1	23	1.0	1.0