一种改进的BR-YOLOv3目标检测网络

• 作者: 宦海 陈逸飞 张琳 李鹏程 朱蓉蓉
• 来源期刊: 计算机工程
• 关键词: 目标检测 目标尺寸差异 空洞感受野模块 双向特征金字塔 定位损失函数
• 年，卷（期）: 2021,（10）
• 所属期刊栏目: 图形图像处理|Graphics and Image Processing
• 页码范围: 186-193
• 页数: 8页
• 分类号: TP391
• 语种: 中文
• DOI: 10.19678/j.issn.1000-3428.0059234

摘要

在目标检测任务中不同目标间尺寸差异较大,导致多尺寸目标难以被有效检测.基于YOLOv3提出BR-YOLOv3目标检测网络.利用空洞卷积提升网络层感受野尺寸的特性,使用不同数量、尺寸、膨胀率的卷积构建多层并行的空洞感受野模块.通过双向特征金字塔结构实现浅深层特征的双向融合,提升浅层预测分支分类、深层预测分支目标定位能力.使用LOSSGIOU定位损失函数实现目标回归过程整体化,从而降低目标漏检率.实验结果表明,BR-YOLOv3目标检测网络在Pascal VOC测试集上的测试平均精度均值达到79.24％,相比原网络提升3.52个百分点,且在检测精度上优于SSD、Faster RCNN等主流目标检测网络.