-
题名基于CBD-YOLOv3的小目标检测算法
被引量：8
- 1
-
-
作者
潘昕晖
邵清
卢军国
-
机构
上海理工大学光电信息与计算机工程学院
上海外高桥造船有限公司
-
出处
《小型微型计算机系统》
CSCD
北大核心
2022年第10期2143-2149,共7页
-
基金
国家自然科学基金项目(61703278)资助
上海市科学技术委员会科研计划项目(19511105103)资助.
-
文摘
针对主流目标检测算法在检测小目标时精度差、无法满足实时性能的问题,提出了一种基于改进YOLOv3的小目标检测算法:CBD-YOLOv3.首先对YOLOv3的主干特征提取网络进行优化,将其与跨阶段局部网络融合,使得计算量减少的同时保持了卷积网络的学习能力,再利用双层的特征金字塔网络加强特征提取并生成4张特征图用于预测,同时引入改进的DIoU损失函数代替原网络中的均方误差损失,提高小目标定位精度,最后再结合有效的数据处理与训练方法形成CBD-YOLOv3算法.本文在COCO数据集与其他目标检测算法进行对比测试,实验结果表明CBD-YOLOv3算法能够在满足实时性能的前提下有效提高小目标检测的平均精度,且对中大型目标也有一定程度的提升.
-
关键词
目标检测
CBD-YOLOv3
跨阶段局部网络
双层特征金字塔
损失函数
-
Keywords
object detection
CBD-YOLOv3
cross stage partial network
binary feature pyramid network
loss function
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
