基于改进Yolov3的目标检测的研究

• 作者: 严庆 晏世武 罗金良
• 来源期刊: 智能计算机与应用
• 学科: 工学
• 关键词: 目标检测 深度学习 尺度融合 平衡类别 mAP
• 年，卷（期）: 2019,（6）
• 所属期刊栏目: 科技创见与应用
• 页码范围: 312-315
• 页数: 4页
• 分类号: TP391.41
• 字数: 1893字
• 语种: 中文

摘要

目标检测在视频监控、无人驾驶系统、机械自动化等领域起着重要作用.在如今大数据的背景下,为进一步提高Yolov3在不同数据集下的性能,本文以KITTI数据集为基础,利用重新调整anchor数值和增加尺度融合的方法改进Yolov3,并通过增加数据的方法平衡类别,进一步提高Yolov3性能.实验结果表明,改进的Yolov3较原始的框架,其mAP提高了近5.31%,从侧面说明改进的Yolov3具有较高的实用价值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	罗金良	南华大学机械工程学院	38	117	6.0	10.0
2	晏世武	南华大学机械工程学院	2	0	0.0	0.0
3	严庆	南华大学机械工程学院	4	1	1.0	1.0