基于YOLOv3算法的训练集优化和检测方法的研究

• 作者: 刘剑飞 董琪琪 郝禄国 高星
• 来源期刊: 计算机工程与科学
• 学科: 工学
• 关键词: YOLOv3 anchor 小目标检测 聚类分析
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 图形与图像
• 页码范围: 103-109
• 页数: 7页
• 分类号: TP391.4
• 字数: 4323字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-130X.2020.01.013

摘要

YOLOv3是一种单步目标检测算法,不需要产生区域候选网络(RPN)来提取目标信息,相对于双步目标检测算法具有更快的检测速度.但是,现有算法在小目标检测上存在精度不高和漏检现象的问题,为此提出了一种基于YOLOv3算法的训练集优化和图层处理的检测方法.首先在标准数据集VOC2007+2012和自建的举手行为数据集上采用K-means算法做聚类分析,以得到适应数据集训练尺寸的anchor大小;然后通过调整训练参数及选择合理的标签标注方式进行训练;最后对输入图像进行图层处理并进行目标检测.实验结果表明,聚类分析后VOC2007验证集的平均准确度(mAP)提高了1.4％,并有效解决了原算法在检测过程中较高卷积层上感受野小的问题,从而使YOLOv3算法在小目标物体的检测上精度提高,漏检率也相对下降.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘剑飞	河北工业大学电子信息工程学院	68	193	8.0	10.0
2	郝禄国	广东工业大学信息工程学院	27	86	5.0	8.0
3	高星	河北工业大学电子信息工程学院	7	12	2.0	2.0
4	董琪琪	河北工业大学电子信息工程学院	1	0	0.0	0.0