基于SPMYOLOv3的水面垃圾目标检测
为解决水面垃圾检测中存在目标形状尺度差异大,?难以区分背景以及目标偏小的问题,?本文提出了一种SPMYOLOv3目标检测算法来实现对水面垃圾的检测.?首先,?对收集到的水面垃圾数据集进行标注,?使用改进的K-means算法对数据集重新聚类,?得到与数据集更匹配的先验框.?其次,?在YOLOv3的主干网络后添加SE-PPM模块,?加强目标的特征信息,?保证目标尺度不变且保留全局信息.?再使用多向金字塔网络对不同尺度的特征图进行融合,?获得携带更加丰富的上下文信息的特征图.?最后使用在损失函数中使用focal?loss计算负样本的置信度损失,?抑制了YOLOv3中正负样本不均衡问题.?改进后的算法在水面垃圾数据集上的实验结果表明,?相比于原YOLOv3算法检测精度提升了3.96%.
水面垃圾检测、YOLOv3模型、特征融合、SE-PPM网络、focal loss
32
TP391;TP181;TN957.52
2023-03-16(万方平台首次上网日期,不代表论文的发表时间)
共8页
163-170