-
题名基于YOLOv3的农田鸟类目标检测算法
被引量：7
- 1
-
-
作者
潘语豪
危疆树
曾令鹏
-
机构
四川农业大学信息工程学院
-
出处
《激光与光电子学进展》
CSCD
北大核心
2022年第2期502-510,共9页
-
基金
赛尔网络下一代互联网技术创新项目(NGII20170605)。
-
文摘
针对近年来鸟类啄食对农业生产带来的损失,通过实时检测鸟类优化传统驱鸟器开关策略,提出了一种基于YOLOv3检测鸟类的目标检测算法。该方法对YOLOv3网络中特征融合进行改进,将SE模块嵌入进主干网络的Darknet53网络中,关注不同通道特征的重要程度。采用自适应空间特征融合(ASFF)增强网络中特征金字塔网络(FPN)的特征融合,提升各尺度的检测能力。引入CIOU边界框回归损失函数,将预测框和目标框在有重叠甚至包含等情况考虑进去,使目标框回归变得更加准确和稳定。改进后的YOLOv3模型在自制鸟类数据集上的精度均值(AP)达到96.65%,单张图像检测耗时仅为0.058 s,相比于原YOLOv3模型在检测速度变化不大的情况下AP提高了2.54百分点。该改进方法能达到很好的实时性和更佳的检测精度,对农田防治鸟害优化驱鸟器开关策略提供依据。
-
关键词
视觉光学
目标检测
YOLOv3
SE模块
特征融合
边界框回归损失函数
-
Keywords
visual optics
object detection
YOLOv3
SE module
feature fusion
loss function of bounding-box regression
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
S126
[自动化与计算机技术—计算机科学与技术]
-
