一种改进的BR-YOLOv3目标检测网络

摘要：

在目标检测任务中不同目标间尺寸差异较大,导致多尺寸目标难以被有效检测.基于YOLOv3提出BR-YOLOv3目标检测网络.利用空洞卷积提升网络层感受野尺寸的特性,使用不同数量、尺寸、膨胀率的卷积构建多层并行的空洞感受野模块.通过双向特征金字塔结构实现浅深层特征的双向融合,提升浅层预测分支分类、深层预测分支目标定位能力.使用LOSSGIOU定位损失函数实现目标回归过程整体化,从而降低目标漏检率.实验结果表明,BR-YOLOv3目标检测网络在Pascal VOC测试集上的测试平均精度均值达到79.24％,相比原网络提升3.52个百分点,且在检测精度上优于SSD、Faster RCNN等主流目标检测网络.

关键词：目标检测;目标尺寸差异;空洞感受野模块;双向特征金字塔;定位损失函数

所属期刊栏目：47

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金41671345

在线出版日期：2021-10-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：186-193