融合DBSCAN的改进YOLOv3目标检测算法

• 作者: 李云红 张轩 李传真 苏雪平 聂梦瑄 毕远东 谢蓉蓉
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: YOLOv3 卷积神经网络 目标检测 DBSCAN聚类算法
• 年，卷（期）: 2022,（10）
• 所属期刊栏目: 图形图像处理|Graphics and Image Processing
• 页码范围: 208-215
• 页数: 8页
• 分类号: TP391.4
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.2010-0251

摘要

针对YOLOv3(you only look once)检测算法对小目标、遮挡目标检测时存在识别率低和识别精度不高的问题,提出一种融合DBSCAN(density-based spatial clustering of applications with noise)的改进YOLOv3目标检测算法.首先在YOLOv3网络中增加DBSCAN聚类算法,其次对检测目标进行提取,实现数据集多尺度聚类,得到初代特征图,然后通过改进K-means聚类算法确定锚点位置达到更好的聚类,最后在VOC2007+2012数据集和MS-COCO数据集上对改进YOLOv3算法进行训练和测试.实验结果表明改进的YOLOv3算法使检测目标在VOC数据集和MS-COCO数据集上mAP(mean average precision)分别提高了14.9个百分点和12.5个百分点.与其他深度学习目标检测算法相比,改进YOLOv3检测算法具有更好的检测效果,同时具有良好移植性和更好的鲁棒性.