自适应边缘优化的改进YOLOV3目标识别算法

• 作者: 刘励 刘学平 李玙乾 王哲
• 来源期刊: 微电子学与计算机
• 关键词: 目标检测 零件识别 卷积神经网络 YOLOV3 PSO
• 年，卷（期）: 2019,（7）
• 页码范围: 59-64
• 页数: 6页
• 分类号: TP183
• 语种: 中文

摘要

为了准确识别出图像中的目标零件,本文提出一种自适应边缘优化的改进YOLOV3目标识别算法.首先,利用K-means++算法计算出适用于本文数据集的anchor box,接着设计自适应边缘误差函数,并与改进PSO算法结合,得到改进YOLOV3算法(YOLOV3-AEEF).然后采集零件图像并进行数据增强,标注图片,得到样本集.加载预训练权重后对网络进行训练,并在测试集上测试.实验结果表明,当样本图片中存在较多残缺零件干扰时,YOLOV3存在将背景识别为零件的情况,而YOLOV3-AEEF能够准确识别出目标零件,在保证较高查全率的情况下,查准率较YOLOV3提高21％,提升了网络的综合性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘学平	清华大学深圳研究生院	46	326	9.0	16.0
2	王哲	清华大学深圳研究生院	17	154	6.0	12.0
3	李玙乾	清华大学深圳研究生院	2	8	1.0	2.0
4	刘励	清华大学深圳研究生院	2	8	1.0	2.0