融合跨阶段局部网络和空间金字塔池化的YOLOV3目标检测算法

摘要/Abstract

摘要： 实际的检测任务中往往存在复杂的环境与背景，容易造成边界框的定位不够准确、对各尺度的目标检测精度不高等情况。为了进一步提高Ｙｏｌｏｖ３的检测精度，本文在原算法的基础上提出一种融合跨阶段局部网络和空间金字塔池化的Ｙｏｌｏｖ３目标检测算法。首先，将主干网络融合跨阶段局部网络ＣＳＰＮｅｔ来提高网络的学习能力；其次，引入一种改进的空间金字塔池化结构增强网络的局部区域特征；最后，在损失函数中融入ｆｏｃａｌｌｏｓｓ解决正负样本不均衡带来的问题。实验表明：改进的Ｙｏｌｏｖ３算法在检测性能上优于原算法。

关键词: Yolov３, 跨阶段局部网络, 空间金字塔池化, focalloss, 损失函数

中图分类号:

tp391

. 融合跨阶段局部网络和空间金字塔池化的YOLOV3目标检测算法[J]. 重庆理工大学学报（自然科学）, 2021, 35(10): 136-143.

[1]	谷玉海１，曹梦婷１，修嘉芸１，任斌２，刘朔１. 基于ＹＯＬＯｖ４网络的违章行为检测算法[J]. 重庆理工大学学报（自然科学）, 2021, 35(8): 114-121.
[2]	刘朔，谷玉海，饶文军，王菊远. 基于优化ＹＯＬＯｖ３算法的违章车辆检测方法[J]. 重庆理工大学学报（自然科学）, 2021, 35(4): 135-141.
[3]	闫河１, ２, 李焕１, 罗成１. 基于深度学习的罐式炼炉送料口视觉检测与跟踪方法[J]. 重庆理工大学学报（自然科学）, 2021, 35(3): 139-144.
[4]	. Phase-type分布下的信度模型[J]. 重庆理工大学学报（自然科学）, 2021, 35(10): 279-286.
[5]	. 一种改进YOLOv３的绝缘子检测方法[J]. 重庆理工大学学报（自然科学）, 2021, 35(10): 187-193.
[6]	袁志宏１，孙　强１，李国祥１，白书战１，严　英２，张振华１. 基于Yolov3的自动驾驶目标检测[J]. 重庆理工大学学报（自然科学）, 2020, 34(9): 56-61.
[7]	黄同愿,杨雪姣,向国徽,陈辽. 基于YOLOV3的改进模型在行人检测中的应用[J]. 重庆理工大学学报（自然科学）, 2020, 34(8): 155-164.
[8]	戴蓉. 基于面部生理特征和深度学习的表情识别方法[J]. 重庆理工大学学报（自然科学）, 2020, 34(6): 146-153.
[9]	邓国红a, 谢川人b, 徐泽b, 杨鄂川a. 坡度道路上汽车主动避撞策略与仿真验证[J]. 重庆理工大学学报（自然科学）, 2020, 34(11): 9-16.
[10]	李津, 章雨鹏, 庞玲, 丁为然, 孙罡, 虞红芳. 移动边缘计算中的资源分配与任务调度方法[J]. 重庆理工大学学报（自然科学）, 2020, 34(11): 156-163.
[11]	. 基于平衡损失函数的具有时间效应的多合同信度模型[J]. 重庆理工大学学报（自然科学）, 2016, 30(8): -.
[12]	. 变参数贝叶斯先验估计[J]. 重庆理工大学学报（自然科学）, 2015, 29(12): -.

融合跨阶段局部网络和空间金字塔池化的YOLOV3目标检测算法

PDF (PC)

赞

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 12

Metrics

本文评价

推荐阅读 10