改进的GDT-YOLOV3目标检测算法
为了解决视频图像中目标检测准确率低、速度慢等问题,本文提出了一种基于YOLOV3改进的目标检测方法.通过引入GIOU Loss,可解决原IOU无法直接优化的非重叠部分问题,在借鉴了密集连接网络的思想之后,将YOLOV3中的3个残差块更换为3个密集块,并结合Max Pooling加强密集连接块之间的特征传递,重新替换IOU和原网络的连接结构,检测设计出新的网络结构后,减少了参数量,增强了特征的复用与融合,最终实现了优于原方法的效果.实验结果表明:改进的GDT-YOLOV3算法与原有的算法相比,无论是在简单还是复杂交通场景中都有较优秀的检测效果,本文所提出的算法平均检出准确率高达92.77%,速度达到25.3 f/s,基本满足了实时性.此外在检测精度上,改进的GDT-YOLOV3算法要优于SSD512、YOLOV2与YOLOV3算法.
目标检测、卷积神经网络、YOLOV3、密集连接网络、K-means
35
TP394.1;TH691.9(计算技术、计算机技术)
国家自然科学基金 No.60977011.No.20180623039TC.No.20180201091GX
2020-08-13(万方平台首次上网日期,不代表论文的发表时间)
共9页
852-860