10.11772/j.issn.1001-9081.2021111999
基于边界极限点特征的改进YOLOv3目标检测
目标数量多、尺度较小与高度重叠等问题导致目标检测精度低、难度大.为提升目标检测精度,尽可能避免漏检、误检情况,提出一种基于边界极限点特征的改进YOLOv3目标检测算法.首先,引入边界增强算子Border,从边界的极限点中自适应地提取边界特征来增强已有点特征,提高目标定位准确度;然后,增加目标检测尺度,细化特征图,增强特征图深、浅层语义信息的融合,提高目标检测精度;最后,基于目标检测中目标实例特性及改进网络模型,引入完全交并比(CIoU)函数对原YOLOv3损失函数进行改进,提高检测框收敛速度以及检测框召回率.实验结果表明,相较于原YOLOv3目标检测算法,改进后的YOLOv3目标检测算法的平均精度提高了3.9个百分点,且检测速度与原算法相近,能有效提高模型对目标的检测能力.
目标检测、边界极限点、YOLOv3算法、细化特征图、多尺度检测、损失函数
43
TP391.41(计算技术、计算机技术)
2023-02-15(万方平台首次上网日期,不代表论文的发表时间)
共7页
81-87