《改進的YOLO V3算法及其在小目標檢測中的套用》是鞠默然、羅海波等撰寫的一篇論文。
基本介紹
- 中文名：改進的YOLO V3算法及其在小目標檢測中的套用
- 論文來源：光學學報
- 發表年份：2019年
- 作者：鞠默然、羅海波等
- 分類號：TP391.41
論文摘要,引文格式,
論文摘要
針對圖像中小目標檢測率低、虛警率高等問題,提出了一種YOLO V3的改進方法,並將其套用於小目標的檢測。由於小目標所占的像素少、特徵不明顯,提出對原網路輸出的8倍降採樣特徵圖進行2倍上採樣,將2倍上採樣特徵圖與第2個殘差塊輸出的特徵圖進行拼接,建立輸出為4倍降採樣的特徵融合目標檢測層。為了獲取更多的小目標特徵信息,在YOLO V3網路結構Darknet53的第2個殘差塊中增加2個殘差單元。利用K-means聚類算法對目標候選框的個數和寬高比維度進行聚類分析。用改進的YOLO V3算法和原YOLO V3算法在VEDAI數據集上進行對比實驗,結果表明改進後的YOLO V3算法能有效檢測小目標,對小目標的召回率和檢測的平均準確率均值都有明顯的提升。
引文格式
鞠默然,羅海波,王仲博,何淼,常錚,惠斌.改進的YOLO V3算法及其在小目標檢測中的套用[J].光學學報,2019,39(07):253-260.
