基于Ghost-YOLOv3-2算法的2尺度猪目标检测

• 作者: 孙东来 王继超 陈科 孙士尉 刘昕彤 周闻天
• 来源期刊: 江苏农业科学
• 学科: 农学
• 关键词: 猪目标检测 Ghost-YOLOv3-2 深度学习 特征提取 检出率 实时性
• 年，卷（期）: 2022,（7）
• 所属期刊栏目: 农业工程与信息技术
• 页码范围: 189-196
• 页数: 8页
• 分类号: S126|TP18
• 语种: 中文
• DOI: 10.15889/j.issn.1002-1302.2022.07.029

摘要

为了提高养殖场猪目标检测的检出率和实时性,提出一种从特征提取骨干网络和特征金字塔网络这2个方面对YOLOv3算法进行改进的猪目标检测算法(Ghost-YOLOv3-2),并与经典YOLOv3、Ghost-YOLOv3、YOLOv3-2等3种算法进行对比研究.试验结果表明,特征提取骨干网络的残差单元中引入影子块,可以在保留原有信息容量的同时减少计算量,提高网络速度;特征金字塔网络融合低层细粒度信息与高层语义信息,将输出层改为2尺度,可以进一步提高模型的表达能力与网络的实时性;改进的Ghost-YOLOv3-2算法在猪目标检测中平均精度(AP)达到88.03％,较YOLOv3算法提高5.2％;速度达到23.61 f/s,较YOLOv3算法提高34.6％,所提算法对猪检测的检出率和实时性有一定的提高.