基于深度可分离卷积的YOLOv3行人检测算法

• 作者: 李长红 王丹峰 苗春雨 陈超波 马天力
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 行人检测 YOLOv3 深度可分离卷积 Inception
• 年，卷（期）: 2020,（6）
• 所属期刊栏目: 人工智能与识别
• 页码范围: 218-223
• 页数: 6页
• 分类号: TP83
• 字数: 3891字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2020.06.038

摘要

YOLOv3存在参数多、计算量大和卷积核单一等问题,导致在检测行人过程中出现精确度低和检测速率慢的现象,因此提出一种基于深度可分离卷积的YOLOv3行人目标检测算法.为了减少模型计算量,利用深度可分离卷积重新构建Darknet53网络;将Inception网络结构融入检测网络中以提升网络结构复杂度和检测精确度.在VOC2007数据集上的检测结果表明,该算法的精确率高达90.3％,检测速率为65.34帧/s,明显优于YOLOv3行人检测算法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈超波	西安工业大学电子信息工程学院	106	413	12.0	15.0
2	李长红		20	86	6.0	8.0
3	王丹峰	西安工业大学电子信息工程学院	2	0	0.0	0.0
4	马天力	西安工业大学电子信息工程学院	7	21	2.0	4.0
5	苗春雨	西安工业大学电子信息工程学院	2	0	0.0	0.0