改进的GDT-YOLOV3目标检测算法

• 作者: 吴戈 唐悦 朴燕
• 来源期刊: 液晶与显示
• 学科: 工学
• 关键词: 目标检测 卷积神经网络 YOLOV3 密集连接网络 K-means
• 年，卷（期）: 2020,（8）
• 所属期刊栏目: 图像处理
• 页码范围: 852-860
• 页数: 9页
• 分类号: TP394.1|TH691.9
• 字数: 5328字
• 语种: 中文
• DOI: 10.37188/YJYXS20203508.0852

摘要

为了解决视频图像中目标检测准确率低、速度慢等问题,本文提出了一种基于YOLOV3改进的目标检测方法.通过引入GIOU Loss,可解决原IOU无法直接优化的非重叠部分问题,在借鉴了密集连接网络的思想之后,将YOLOV3中的3个残差块更换为3个密集块,并结合Max Pooling加强密集连接块之间的特征传递,重新替换IOU和原网络的连接结构,检测设计出新的网络结构后,减少了参数量,增强了特征的复用与融合,最终实现了优于原方法的效果.实验结果表明:改进的GDT-YOLOV3算法与原有的算法相比,无论是在简单还是复杂交通场景中都有较优秀的检测效果,本文所提出的算法平均检出准确率高达92.77％,速度达到25.3 f/s,基本满足了实时性.此外在检测精度上,改进的GDT-YOLOV3算法要优于SSD512、YOLOV2与YOLOV3算法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吴戈	长春理工大学电子信息工程学院	10	123	2.0	10.0
2	朴燕	长春理工大学电子信息工程学院	44	138	6.0	11.0
3	唐悦	长春理工大学电子信息工程学院	2	0	0.0	0.0