基于嵌入并行注意力机制的YOLOv3模型高原动物种类检测算法

摘要：

针对YOLO v3模型定位目标边界框不够精确等问题,提出一种改进的YOLO算法.该算法在网络的残差模块中通过并行地引入通道注意力及空间注意力来提取关键目标特征,对多尺度预测与动物种类预测的方法做了新的设计.为证实算法效果,采集大量的原始图像数据,建立青藏高原地区牦牛、藏系羊和马等畜牧业动物图像数据集.数据集上新模型训练后,实验结果表明,算法提高了边界框的定位准确度和检测精度,相比YOLO v3算法,新算法在测试集上的mAP@IoU提高了1.6 mAP.

关键词：畜牧业动物图像、目标检测、改进YOLO算法、通道注意力机制、空间域注意力机制

所属期刊栏目：42

分类号：TP391.4(计算技术、计算机技术)

资助基金：藏教财指81号;国家自然科学基金

在线出版日期：2021-06-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：37-40