典型文献
基于改进YOLOv3融合特征的火焰目标检测方法
文献摘要：
针对火焰目标尺寸变化大、YOLOv3算法对小尺寸目标的检测性能有所欠缺、对火焰目标的检测效果不好的问题,提出对YOLOv3的改进策略.充分发挥空洞卷积在不提升训练参数的同时扩大卷积核感受野的优点,构建2层空洞卷积层,对特征金字塔的融合特征进一步提取多尺度特征;在空洞卷积模块后添加通道注意力机制模块,抑制冗余的特征;使用DIOU损失函数降低对目标的漏检率.通过在火焰目标数据集上的对比实验表明,改进后的YOLOv3训练模型在精度上达到了81.2％,相比原YOLOv3模型提升2.9％.与SSD模型相比在精度上有所提高,相比Faster R-CNN模型在检测速度上更具有优势;对小尺寸目标的检测效果相比原YOLOv3模型有所提升.
文献关键词：
目标检测;YOLOv3;特征融合;空洞卷积;损失函数
中图分类号：
作者姓名：
杨天宇;王海瑞
作者机构：
650000 云南省昆明市昆明理工大学信息工程与自动化学院
文献出处：
引用格式：
[1]杨天宇;王海瑞-.基于改进YOLOv3融合特征的火焰目标检测方法)[J].农业装备与车辆工程,2022(11):68-72
A类：
B类：
YOLOv3,融合特征,火焰目标检测,目标检测方法,标尺,尺寸变化,小尺寸,检测性能,所欠,检测效果,改进策略,空洞卷积,大卷,卷积核,感受野,卷积层,特征金字塔,多尺度特征,卷积模块,通道注意力机制,注意力机制模块,DIOU,损失函数,漏检率,训练模型,上达,SSD,Faster,检测速度,特征融合
AB值：
0.376673
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。
