典型文献
基于改进特征提取及融合模块的YOLOv3模型
文献摘要：
YOLOv3模型的特征提取分支和多尺度检测分支存在一定的优化空间.针对这一问题,文中提出了两种结构改进方法来提升该模型在目标检测数据集上的检测精度.对YOLOv3模型的3个尺度(13×13,26×26,52×52)之间采用不同长宽的先验锚框,其3个尺度的标注框相同,可通过设计尺度间的特征融合方式来提升模型的准确率.针对卷积层空域视野共享的问题,可将原始卷积层替换为可变形卷积来提升模型的准确率.在工业工具库上的测试结果证明,改进模型的测试集准确率相对于原始YOLOv3提升了3.6个MAP.
文献关键词：
目标检测;深度学习;多尺度融合;工业工具检测;残差模块;YOLOv3;IOU损失
中图分类号：
作者姓名：
赵轩;周凡;余汉成
作者机构：
南京航空航天大学 电子信息工程学院,江苏 南京211106
文献出处：
引用格式：
[1]赵轩;周凡;余汉成-.基于改进特征提取及融合模块的YOLOv3模型)[J].电子科技,2022(07):40-45
A类：
工业工具检测
B类：
改进特征,YOLOv3,取分,多尺度检测,结构改进,改进方法,目标检测,检测数据集,检测精度,同长,长宽,先验,锚框,特征融合,融合方式,卷积层,空域,层替换,可变形卷积,改进模型,测试集,MAP,多尺度融合,残差模块,IOU
AB值：
0.471559
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。
