基于YOLO算法的多类目标识别

被引：14

作者：

于秀萍

吕淑平

陈志韬

机构：

[1] 哈尔滨工程大学自动化学院

来源：

实验室研究与探索 | 2019年 / 03期

关键词：

YOLO算法; 目标识别; 卷积神经网络;

D O I：

暂无

中图分类号：

TP391.41 []; TP183 [人工神经网络与计算];

学科分类号：

080203 ; 081104 ; 0812 ; 0835 ; 1405 ;

摘要：

针对传统目标识别方法需要人工设计特征工程,费时费力,泛化性能差的缺点,以YOLO算法和tiny-yolo模型为基础,在tiny-yolo的基础上增加了3×3卷积层和NIN(Network in Net Work)卷积层,设计了一个包含15个卷积层的神经网络模型m-yolo。在voc2007和voc2012数据集上的实验结果表明,m-yolo模型提高了识别的准确性和定位的精确性,并且保证了在识别速度上与tiny-yolo基本保持一致,平均识别时间仅上升了0. 6 ms。

引用

页码：34 / 36+76 +76

页数：4