Tiny YOLOV3目标检测改进

摘要：

针对Tiny YOLOV3目标检测算法在实时检测中对行人等小目标漏检率高的问题,对该算法的特征提取网络、预测网络、损失函数等进行研究改进.首先,在特征提取网络中增加2步长的卷积层,代替原网络中的最大池化层进行下采样;接着,使用深度可分离卷积构造反残差块替换传统卷积,降低模型尺寸和参数量,增加高维特征提取;然后,在原网络两尺度预测的基础上增加一尺度,形成三尺度预测;最后,对损失函数中的边界框位置误差项进行优化.实验结果表明,改进后的Tiny YOLOV3算法的目标检测准确率比原算法提高了9.8％,满足实时性要求,具有一定鲁棒性.本文方法能够更好地提取目标特征,多尺度预测和边界框位置误差的改进能更准确地对目标进行检测.

关键词：目标检测、Tiny YOLOV3、深度可分离卷积、反残差块、多尺度预测

所属期刊栏目：28

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目;国家重点研发计划资助项目

在线出版日期：2020-06-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：988-995