10.3969/j.issn.1001-3695.2018.10.070
实时目标检测算法YOLO的批再规范化处理
实时目标检测YOLO(you only look once)算法存在检测精度低和网络模型训练速度慢等问题,对此,结合批再规范化算法处理小批样本以及非独立同分布数据的优势,引入批再规范化处理对YOLO网络结构予以改进,即把卷积层中经卷积运算产生的特征图看做神经元,并对其进行规范化处理.同时,在网络结构中移除dropout,并增大网络训练的学习率.实验结果表明,该改进算法相对于原YOLO算法具有更高的检测精度、更快的实时检测速度,并且通过适当设置批样本大小可使网络模型在训练时间和硬件设备方面成本有一定的降低.
目标检测、深度学习、卷积神经网络、批再规范化、YOLO
35
TP301.6(计算技术、计算机技术)
2018-12-21(万方平台首次上网日期,不代表论文的发表时间)
共7页
3179-3185