改进YOLOv3的多尺度高分辨率特征增强图像目标检测

文献类型： 中文期刊

第一作者： 杨文姬

作者： 杨文姬;李浩;王映龙;梅梦

作者机构：

关键词： 图像目标检测;多尺度特征;YOLOv3;特征融合

期刊名称： 小型微型计算机系统

ISSN： 1000-1220

年卷期： 2023 年 44 卷 006 期

页码： 1311-1317

收录情况： 北大核心 ; CSCD

摘要： 针对目标检测存在背景复杂,遮挡严重,尺度大小不一的问题,本文基于YOLOv3进行改进,提出了一种多尺度高分辨率的特征融合网络YOLOv3-F.首先,在backbone和neck之间添加空间金字塔池化结构(Spatial Pyramid Pooling),特征图经过局部特征与全局特征相融合后,丰富了特征图的表达能力,有利于待检测图像中目标大小差异较大的情况;其次,三尺度检测层增加为四尺度检测层,通过高分辨率特征图位置信息的保留,提高小目标识别的精度.最后,将YOLOv3损失函数改为CIoU,提高目标检测框回归的效率,降低目标漏检率.将改进算法在自制数据集COCO-CT6上进行试验,误检率降低1.8%,精度提高了3.6%.

分类号： TP391

  • 相关文献

[1]2011年7月29日山西大暴雨过程的多尺度特征. 苗爱梅,王洪霞,李苗,逯张禹,郝振荣. 2014

[2]基于新型监测资料对2013年7月4日的暴雨多尺度特征分析. 苗爱梅,王洪霞,李苗,郝振荣,逯张禹. 2015

[3]基于MS-PLNet和高光谱图像的绿豆叶斑病病级分类. 余骥远,高尚兵,李洁,陈新,李士丛,张浩淼,袁星星,唐琪. 2023

[4]基于注意力网络尺度特征融合的遥感场景分类. 帖军,肖鹏飞,郑禄,马海荣,彭丹. 2024

[5]基于改进YOLOv3的温室番茄果实识别估产方法. 成伟,张文爱,冯青春,张万豪. 2021

[6]基于LW-YOLOv3模型的棉花主茎生长点检测与定位研究. 孙想,吴华瑞,朱华吉,杨雨森,陈诚,何思琪,王春山. 2021

[7]基于Yolo的结直肠息肉CT影像分析算法研究. 代国威,晏静香. 2021

[8]基于卷积神经网络的水稻虫害识别方法. 郭阳,许贝贝,陈桂鹏,丁建,严志雁,梁华,吴昌华. 2021

[9]基于边缘设备的轻量化小目标果实检测模型. 张文利,陈开臻,刘鈺昕,段玉林,郭威,史云. 2021

[10]基于深度学习与多尺度特征融合的烤烟烟叶分级方法. 鲁梦瑶,周强,姜舒文,王聪,陈栋,陈天恩. 2022

[11]基于卷积神经网络的田间麦穗检测方法研究. 张合涛,赵春江,王传宇,郭新宇,李大壮,苟文博. 2023

[12]基于多光谱成像技术的小麦品种快速无损鉴定. 许学,马卉,王钰,刘伟,杨剑波,汪秀峰. 2019

[13]基于特征融合与冗余剔除的普洱茶种类电子鼻识别方法. 徐赛,张倩倩. 2020

[14]融合边特征与注意力的表格结构识别模型. 吕学强,张煜楠,韩晶,崔运鹏,李欢. 2023

[15]基于卷积神经网络深度特征融合的番茄叶片病害检测. 杜忠康,房胜,李哲,郑纪业. 2021

[16]一种基于高光谱图像的熟牛肉TVB-N含量预测方法. 田卫新,何丹丹,杨东,陆安祥. 2016

[17]基于多特征融合和稀疏表示的农业害虫图像识别方法. 张永玲,姜梦洲,俞佩仕,姚青,杨保军,唐健. 2018

[18]无人机多光谱影像的小麦倒伏信息多特征融合检测研究. 朱文静,冯展康,戴世元,张平平,嵇文,王爱臣,魏新华. 2024

[19]多核学习算法及其在高光谱图像分类中的应用研究进展. 李广洋,寇卫利,陈帮乾,代飞,强振平,吴超. 2021

作者其他论文 更多>>

微信小程序