-
题名基于改进边界框回归损失的YOLOv3检测算法
被引量：9
- 1
-
-
作者
沈记全
陈相均
翟海霞
-
机构
河南理工大学计算机科学与技术学院
-
出处
《计算机工程》
CAS
CSCD
北大核心
2022年第3期236-243,共8页
-
基金
国家自然科学基金(61972134)
河南省科技攻关项目(182102310946)。
-
文摘
YOLOv3检测算法中的边界框回归损失函数对边界框尺度敏感,且与算法检测效果评价标准交并比(IoU)之间的优化不具有强相关性,无法准确反映真值框与预测框之间的重叠情况,造成收敛效果不佳。针对上述问题,提出基于IoU的改进边界框回归损失算法BR-IoU。将IoU作为边界框回归损失函数的损失项,使不同尺度的边界框在回归过程中获得更均衡的损失优化权重。在此基础上,通过添加惩罚项最小化预测框与真值框中心点间围成的矩形面积,并提高预测框与真值框之间宽高比的一致性,从而优化边界框的回归收敛效果。在PASCAL VOC和COCO数据集上的实验结果表明,在不影响实时性的前提下,BR-IoU能够有效提高检测精度,采用BR-IoU的YOLOv3算法在PASCAL VOC 2007测试集上mAP较原YOLOv3算法和G-YOLO算法分别提高2.5和1.51个百分点,在COCO测试集上分别提高2.07和0.66个百分点。
-
关键词
YOLOv3检测算法
边界框回归
交并比
br-iou损失算法
宽高比
-
Keywords
YOLOv3 detection algorithm
bounding box regression
Intersection over Union(iou)
br-iou loss algorithm
aspect ratio
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
-
