聚类Anchor参数与边界框损失优化的室内人群检测

摘要：

本文以室内人群精确检测统计为目标,在YOLOv3框架下,通过使用广义交并比来替换回归的损失函数,对损失项进行优化,并使用均值聚类思想对训练数据进行聚类得到符合数据集的Anchor值,同时将批量归一化层参数合并到卷积层以进一步降低运行时间.实验中选择六类不同场景确定训练集和验证集以及测试集,通过对训练结果和测试结果来分析学习率、识别精度和预测估计概率值之间的关系,并确定适合所提算法的迭代次数和学习率经验值,实验结果验证了所提方法的有效性.

关键词：模式识别、神经网络、人群计数、YOLOv3、计算机视觉

所属期刊栏目：19

分类号：TP391.4(计算技术、计算机技术)

资助基金：安徽省自然科学基金;陆军装备部十三五预研子课题;安徽省高校自然科学研究重点项目

在线出版日期：2023-03-14（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：30-33