基于改进边界框回归损失的YOLOv3检测算法

摘要：

YOLOv3检测算法中的边界框回归损失函数对边界框尺度敏感,且与算法检测效果评价标准交并比(IoU)之间的优化不具有强相关性,无法准确反映真值框与预测框之间的重叠情况,造成收敛效果不佳.针对上述问题,提出基于IoU的改进边界框回归损失算法BR-IoU.将IoU作为边界框回归损失函数的损失项,使不同尺度的边界框在回归过程中获得更均衡的损失优化权重.在此基础上,通过添加惩罚项最小化预测框与真值框中心点间围成的矩形面积,并提高预测框与真值框之间宽高比的一致性,从而优化边界框的回归收敛效果.在PASCAL VOC和COCO数据集上的实验结果表明,在不影响实时性的前提下,BR-IoU能够有效提高检测精度,采用BR-IoU的YOLOv3算法在PASCAL VOC 2007测试集上mAP较原YOLOv3算法和G-YOLO算法分别提高2.5和1.51个百分点,在COCO测试集上分别提高2.07和0.66个百分点.

关键词：YOLOv3检测算法;边界框回归;交并比;BR-IoU损失算法;宽高比

所属期刊栏目：48

分类号：TP18(自动化基础理论)

资助基金：国家自然科学基金;河南省科技攻关项目

在线出版日期：2022-03-22（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：236-243