一种改进的YOLO V3目标检测方法

• 作者: 徐融 邱晓晖
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: YOLOV3 目标检测 深度学习 RFB PASCALVOC
• 年，卷（期）: 2020,（7）
• 所属期刊栏目: 智能、算法、系统工程
• 页码范围: 30-33
• 页数: 4页
• 分类号: TP301
• 字数: 2181字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2020.07.007

摘要

目标检测是当今计算机视觉领域较为热门和流行的研究方向,在国防、安全和医疗保障等领域应用广泛.然而小目标的检测准确度一直不高,针对这一问题,提出了一种基于YOLO V3网络模型的改进方法,通过增强小目标的检测准确度来提高网络整体的检测成功率.由于小目标在图像中所占像素很少,经过多层卷积之后提取得到的特征不明显.改进方法通过将原网络模型中经2倍降采样的特征图进行卷积分别叠加到第二及第三个残差块的输入端,以此增强浅层特征信息.同时,在第一个8倍降采样的特征图后连接RFB模块,增强特征提取能力.用改进后的网络模型在PASCAL VOC数据集上与原网络进行对比实验.结果表明,改进之后的网络模型有效提高了小目标的检测准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	邱晓晖	南京邮电大学通信与信息工程学院	49	363	10.0	17.0
2	徐融	南京邮电大学通信与信息工程学院	1	0	0.0	0.0