基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
YOLO v3目标检测算法由于其速度快、精度较高,在工业中获得了广泛应用,但存在目标函数与评价指标不统一的问题,针对此问题提出了改进YOLO v3目标检测算法.该算法改进GIoU计算方法,并与YOLO v3算法目标函数相结合,设计了一个新的目标函数,实现了目标函数局部最优为IoU局部最优.公共数据集VOC2007和安全帽佩戴数据集测试结果表明,相比于YOLO v3算法,改进YOLO v3的mAP-50分别提高了2.07%和2.05%.
推荐文章
改进YOLO v3的安全帽佩戴检测方法
图像处理
深度学习
YOLO v3
安全帽佩戴检测
基于改进型YOLO v3的绝缘子异物检测方法
绝缘子
神经网络
密集网络
异物检测
YOLO v3
基于改进Yolo v3的电连接器缺陷检测
缺陷检测
电连接器
机器视觉
深度学习
Yolo v3
基于改进YOLO v3模型的挤奶奶牛个体识别方法
挤奶奶牛
个体识别
视频分析
机器视觉
改进YOLO v3
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 改进YOLO v3算法及其在安全帽检测中的应用
来源期刊 计算机工程与应用 学科 工学
关键词 目标检测 YOLOv3算法 GIoU算法 安全帽佩戴检测
年,卷(期) 2020,(9) 所属期刊栏目 热点与综述
研究方向 页码范围 33-40
页数 8页 分类号 TP391.41|TU714
字数 5794字 语种 中文
DOI 10.3778/j.issn.1002-8331.1912-0267
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 王兵 西南石油大学计算机科学学院 100 854 15.0 24.0
2 李文璟 西南石油大学计算机科学学院 1 1 1.0 1.0
3 唐欢 西南石油大学计算机科学学院 1 1 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (30)
共引文献  (49)
参考文献  (8)
节点文献
引证文献  (1)
同被引文献  (0)
二级引证文献  (0)
2002(2)
  • 参考文献(0)
  • 二级参考文献(2)
2004(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(1)
  • 参考文献(0)
  • 二级参考文献(1)
2007(1)
  • 参考文献(0)
  • 二级参考文献(1)
2008(1)
  • 参考文献(0)
  • 二级参考文献(1)
2009(1)
  • 参考文献(0)
  • 二级参考文献(1)
2010(4)
  • 参考文献(0)
  • 二级参考文献(4)
2011(4)
  • 参考文献(0)
  • 二级参考文献(4)
2012(2)
  • 参考文献(0)
  • 二级参考文献(2)
2014(2)
  • 参考文献(1)
  • 二级参考文献(1)
2015(6)
  • 参考文献(3)
  • 二级参考文献(3)
2017(4)
  • 参考文献(1)
  • 二级参考文献(3)
2018(8)
  • 参考文献(2)
  • 二级参考文献(6)
2019(1)
  • 参考文献(1)
  • 二级参考文献(0)
2020(1)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(1)
  • 二级引证文献(0)
2020(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
目标检测
YOLOv3算法
GIoU算法
安全帽佩戴检测
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机工程与应用
半月刊
1002-8331
11-2127/TP
大16开
北京619信箱26分箱
82-605
1964
chi
出版文献量(篇)
39068
总下载数(次)
102
总被引数(次)
390217
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导