文档名：基于特征增强的改进型YOLOv3目标检测算法
目标检测是指将图像中的对象类别识别出来并标记出它们的位置.Yolov3是目标检测算法中检测速度快且精度较高的一种算法,但存在感受野不足、小目标检测精度低的问题.为了解决以上问题,提出了一种改进的YOLOv3网络模型,即基于特征增强的改进型YOLOv3-FE模型.在骨干网络提取特征时加入感受野模块来提高目标的检测精度,并将输入RFB的特征进行融合,有效利用特征并提高小目标检测精度;考虑到不同特征具有不同的重要性,引入部分解码器模块来细化深层特征以提高特征表征能力.所提模型YOLOv3-FE在PASCALVOC数据集上进行了实验,mAP达到83.8％,结果表明YOLOv3-FE能够有效提升目标检测的精度.
作者：葛录录 陈厚儒 杨哲铭 史彩娟
作者单位：华北理工大学人工智能学院,河北唐山063200;中国科学院计算技术研究所,北京100190华北理工大学人工智能学院,河北唐山063200中国科学院计算技术研究所,北京100190
母体文献：第十五届全国信号和智能信息处理与应用学术会议论文集
会议名称：第十五届全国信号和智能信息处理与应用学术会议
会议时间：2022年4月10日
会议地点：重庆
主办单位：中国高科技产业化研究会
语种：chi
分类号：
关键词：目标检测 YOLOv3算法 特征增强 感受野模块
在线出版日期：2022年5月27日
基金项目：
相似文献
相关博文
- 文件大小:
- 1.61 MB
- 下载次数:
- 60
-
高速下载
|
|
