典型文献
基于RV-YOLOv3目标检测算法研究
文献摘要：
随着人工智能深度学习的快速发展,目标检测在智能视频监控、无人驾驶、交通管制等方面有着广泛的应用,尽管众多国内外的研究者在目标检测领域有一些突破,但是实际问题中目标的形变、遮挡以及光线变化等都是关键,那么如何设计合理的检测器适应不同的场景,提高模型的泛化能力也将是该领域的研究重点.论文具体场景是针对行人检测,因此在YOLOv3单阶段的目标检测基础上提出了一种用RepVGG替换主干网络的检测模型,该模型网络层数单一,并且采用了重参数化技术,而且在多尺度融合中将3个尺度的融合改成4尺度融合,提高模型的鲁棒性,在很好的拟合GPU的情况下,提高检测的精度和速度.
文献关键词：
YOLOv3;RepVGG;多尺度融合
中图分类号：
作者姓名：
何鹏元;马中;戴新发;夏静
作者机构：
中国船舶集团有限公司第七○九研究所 武汉 430205
文献出处：
引用格式：
[1]何鹏元;马中;戴新发;夏静-.基于RV-YOLOv3目标检测算法研究)[J].舰船电子工程,2022(03):59-62
A类：
B类：
RV,YOLOv3,目标检测算法,算法研究,智能视频监控,无人驾驶,交通管制,检测领域,遮挡,光线变化,检测器,泛化能力,文具,行人检测,单阶段,检测基础,RepVGG,主干网络,检测模型,网络层,层数,重参数化,参数化技术,多尺度融合,改成,GPU,高检
AB值：
0.458741
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。
