基于Tiny-YOLOv3的小目标检测仿真

摘要：

针对轻量级神经网络模型检测精度不高,容易对小目标物体产生漏检的问题,该文提出了基于Tiny-YOLOv3的目标检测改进算法.将Tiny-YOLOv3模型中的池化层用卷积核为3x3、步长为2×2的卷积层代替,对输入图像的尺寸进行调整,对特征提取网络最后4层的特征图尺寸与通道数进行修改,并在原有模型的基础上添加了一层特征融合层.在VOC2007数据集上进行仿真实验,改进后的模型mAP上升了3.79％,瓶子这类物体的AP值提高了14％,说明小目标物体的检测效果得到了提升,降低了中小目标检测过程中的漏检率.

关键词：目标检测、Tiny-YOLOv3、多尺度融合

所属期刊栏目：37

分类号：TP391.41;TP183(计算技术、计算机技术)

资助基金：黑龙江省自然科学基金;哈尔滨工程大学教改项目;黑龙江省教改项目;自动化类专业教学指导委员会第三批专业教育教学改革

在线出版日期：2021-01-05（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：38-41