基于特征增强的改进型YOLOv3目标检测算法
目标检测是指将图像中的对象类别识别出来并标记出它们的位置.Yolov3 是目标检测算法中检测速度快且精度较高的一种算法,但存在感受野不足、小目标检测精度低的问题.为了解决以上问题,提出了一种改进的YOLOv3 网络模型,即基于特征增强的改进型YOLOv3-FE 模型.在骨干网络提取特征时加入感受野模块来提高目标的检测精度,并将输入RFB 的特征进行融合,有效利用特征并提高小目标检测精度；考虑到不同特征具有不同的重要性,引入部分解码器模块来细化深层特征以提高特征表征能力.所提模型YOLOv3-FE 在PASCAL VOC 数据集上进行了实验,mAP 达到83.8％,结果表明YOLOv3-FE 能够有效提升目标检测的精度.
YOLOv3 目标检测 感受野 部分解码器 特征融合
葛录录 陈厚儒 杨哲铭 史彩娟
华北理工大学人工智能学院,河北唐山 063200;中国科学院计算技术研究所,北京 100190 华北理工大学人工智能学院,河北唐山 063200 中国科学院计算技术研究所,北京 100190
国内会议
重庆
中文
311-318
2022-04-10（万方平台首次上网日期，不代表论文的发表时间）