融合GIoU和Focal loss的YOLOv3目标检测算法 |
| |
作者姓名: | 邹承明 薛榕刚 |
| |
作者单位: | 1.交通物联网湖北省重点实验室,武汉 4300702.武汉理工大学 计算机科学与技术学院,武汉 4300703.鹏程实验室,广东 深圳 518000 |
| |
摘 要: | YOLOv3目标检测算法检测速度快且精度较高,但存在对小目标检测能力不足、边界框定位不准确等问题。提出了一种基于YOLOv3改进的目标检测算法,该算法在YOLOv3的基础上,对网络中的残差块增加旁路连接,进一步进行特征重用,以提取更多的特征信息。同时,采用GIoUloss作为边界框的损失,使网络朝着预测框与真实框重叠度较高的方向去优化。在损失函数中加入Focal loss,减小正负样本不平衡带来的误差。在PASCAL VOC和COCO数据集上的实验结果表明,该算法能够在不影响YOLOv3算法实时性的前提下,提高目标检测的mAP。该算法在PASCAL VOC 2007测试集上达到83.7mAP(IoU=0.5),在COCO测试集上比YOLOv3算法提升2.27mAP(IoU[0.5,0.95])。
|
关 键 词: | YOLOv3算法 目标检测 GIouloss Focalloss |
本文献已被 万方数据 等数据库收录! |
| 点击此处可从《计算机工程与应用》浏览原始摘要信息 |
|
点击此处可从《计算机工程与应用》下载免费的PDF全文 |