基于改进YOLOv3算法在道路目标检测中的应用

摘要：

为了提高道路环境下目标检测的准确率和实时性,提出一种基于YOLOv3的改进检测算法.通过深度可分离卷积模块减少模型计算量,提高模型的实时性;采用K-Means++聚类算法代替原来的K-Means算法生成本数据集所需的先验锚点框,解决K-Means算法受初始点选取的影响较大,聚类结果不稳定的问题;在YOLOv3的多尺度预测网络中引入SENet(squeeze-and-excitation networks),加强网络对特征的学习能力;改进位置损失函数,解决使用IoU(intersection over union)度量时存在无法反映预测框与真实框重合度大小、无法优化IoU为零等问题;利用DIoU-NMS(基于Distance-IoU的非极大值抑制)去除冗余框,减少错误抑制,提高检测精度.实验结果表明,改进算法相对于原算法在检测耗时降低的同时,对5类常见目标检测的准确率均有提升.

关键词：目标检测;YOLOv3;深度可分离卷积;SENet;DIoU-NMS算法

所属期刊栏目：31

分类号：TP391(计算技术、计算机技术)

资助基金：四川省应用基础计划项目2014JY0212

在线出版日期：2021-09-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：118-123