典型文献
改进YOLOv3的道路小目标检测方法
文献摘要：
为了研究传统目标检测算法在进行道路小目标检测时效果不佳及漏检率较高等问题,本文提出了一种基于改进YOLOv3的小目标检测方法.首先通过设计新的特征融合结构降低小目标漏检率,并且使用DIOU损失提高定位精确度.同时对YOLOv3算法中的聚类算法进行改进,采用K-means++算法改进聚类先验框中心点的提取,选取更为合适的Anchor Box,用于提高检测的平均精度和速度.在自制混合数据集上对行人及车辆进行对比检测,在不影响检测速度的情况下,改进的YOLOv3算法能够有效降低小目标物体漏检率,并且提高了检测精度.根据实验结果,本文所提出的改进YOLOv3模型在混合数据集上的平均精度达到92.82％,与未改进的YOLOv3算法相比提高了2.77％.
文献关键词：
目标检测;小目标;YOLOv3;DIOU;K-means++
中图分类号：
作者姓名：
罗建华;黄俊;白鑫宇
作者机构：
重庆邮电大学通信与信息工程学院,重庆400065
文献出处：
引用格式：
[1]罗建华;黄俊;白鑫宇-.改进YOLOv3的道路小目标检测方法)[J].小型微型计算机系统,2022(03):449-455
A类：
B类：
YOLOv3,小目标检测,目标检测方法,研究传统,目标检测算法,行道,漏检率,特征融合,DIOU,聚类算法,means++,算法改进,先验框,中心点,Anchor,Box,高检,混合数据,对比检测,检测速度,检测精度,未改
AB值：
0.31618
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
