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

重庆理工大学学报（自然科学） ›› 2021, Vol. 35 ›› Issue (10): 136-143.

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

梁礼明，钱艳群，吴媛媛

江西理工大学电气工程与自动化学院

出版日期:2021-11-09 发布日期:2021-11-09

Online:2021-11-09 Published:2021-11-09

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]	李军，许炫皓，王耀弘. 改进ＹＯＬＯｖ５ｓ的钢轨表面缺陷检测算法[J]. 重庆理工大学学报（自然科学）, 2024, 38(8): 130-137.
[2]	徐铭，李华. 基于改进YOLOv5s-face的Face5系列人脸检测算法[J]. 重庆理工大学学报（自然科学）, 2024, 38(6): 194-202.
[3]	张宇，窦银科，赵亮亮，焦阳阳，郭栋梁. ＭＦ-ＴＬＩＤ：一种多特征融合输电线覆冰图像去噪方法[J]. 重庆理工大学学报（自然科学）, 2024, 38(10): 147-155.
[4]	吴燕燕, 王亚杰, 谢延延. 基于多尺度残差注意力网络的全色锐化方法[J]. 重庆理工大学学报（自然科学）, 2023, 37(8): 222-230.
[5]	谭祥勇, 胡天英, 刘锋. Ｈｕｂｅｒ损失下线性模型的序列相关检验[J]. 重庆理工大学学报（自然科学）, 2023, 37(8): 342-347.
[6]	兰建平, 郭文韬, 汤文靖, 佘依函. ＦＳＡＣ赛道地图构建算法研究[J]. 重庆理工大学学报（自然科学）, 2023, 37(6): 332-339.
[7]	曹志鹏, 袁锐波, 杨肖, 林红刚, 朱正. 一种改进神经网络的苹果快速识别算法[J]. 重庆理工大学学报（自然科学）, 2023, 37(5): 210-217.
[8]	袁甜甜, 李凤莲, 张雪英. 特征降维的深度强化学习脑卒中分类预测研究[J]. 重庆理工大学学报（自然科学）, 2023, 37(3): 194-203.
[9]	胡远志，董泰宏，罗毅. 采用传感器融合的车辆前方碰撞预警系统[J]. 重庆理工大学学报（自然科学）, 2022, 36(7): 46-53.
[10]	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.
[11]	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.
[12]	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.
[13]	. 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.
[14]	. 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.
[15]	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.

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 15

Metrics

本文评价

推荐阅读 0