基于空洞卷积和Focal Loss的改进YOLOv3算法

• 作者: 许腾 唐贵进 刘清萍 鲍秉坤
• 来源期刊: 南京邮电大学学报（自然科学版）
• 学科: 工学
• 关键词: 小目标检测 样本不平衡 混合空洞卷积 Focal Loss
• 年，卷（期）: 2020,（6）
• 所属期刊栏目: 计算机与自动控制
• 页码范围: 100-108
• 页数: 9页
• 分类号: TP391
• 语种: 中文
• DOI: 10.14132/j.cnki.1673-5439.2020.06.015

摘要

为了进一步提升YOLOv3的小目标检测能力,文中提出将Darknet-53中的第2个残差块输出的特征图用混合空洞卷积处理后,与YOLOv3的8倍下采样特征图相融合,建立新的检测特征;同时,使用Focal Loss改进损失函数中的负样本置信度公式,缓解YOLOv3的正负样本比例失衡问题.实验结果表明,在小目标数量占比为47.7％的特定测试集上,改进YOLOv3的平均准确率和召回率分别比原YOLOv3提高了8.8％和16％;在VOC测试集上,改进YOLOv3的平均精度均值比原YOLOv3提升了3.4％.