典型文献
基于CBD-YOLOv3的小目标检测算法
文献摘要：
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.
文献关键词：
目标检测;CBD-YOLOv3;跨阶段局部网络;双层特征金字塔;损失函数
中图分类号：
作者姓名：
潘昕晖;邵清;卢军国
作者机构：
上海理工大学光电信息与计算机工程学院,上海200093;上海外高桥造船有限公司,上海200137
文献出处：
引用格式：
[1]潘昕晖;邵清;卢军国-.基于CBD-YOLOv3的小目标检测算法)[J].小型微型计算机系统,2022(10):2143-2149
A类：
双层特征金字塔
B类：
CBD,YOLOv3,小目标检测,目标检测算法,主干特征提取网络,跨阶段局部网络,网络融合,得计,计算量,卷积网络,特征金字塔网络,特征图,DIoU,损失函数,数代,均方误差,高小,目标定位,定位精度,训练方法,COCO,对比测试
AB值：
0.262428
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。
