共 5 条
- [5] Selective Search for Object Recognition[J]. INTERNATIONAL JOURNAL OF COMPUTER VISION, 2013, 104 (02) : 154 - 171Uijlings, J. R. R.van de Sande, K. E. A.Gevers, T.Smeulders, A. W. M.
基于改进YOLO v3的目标检测算法
被引：19
作者：
赵琼
[1
,2
]
李宝清
[1
]
李唐薇
[1
,2
]
机构：
[1] 中国科学院上海微系统与信息技术研究所微系统技术重点实验室
[2] 中国科学院大学
来源：
关键词：
机器视觉;
目标检测;
卷积神经网络;
YOLO v3;
锚框;
D O I：
暂无
中图分类号：
TP391.41 [];
学科分类号：
080203 ;
摘要：
随着深度学习的不断发展与广泛运用,基于深度学习的目标检测算法已成为新的主流。为了进一步提高卷积神经网络YOLO v3(You only look once v3)的检测精度,在原算法的网络结构上添加卷积层模块对样本进行目标背景分类,并粗略调整特征图上的锚框大小。该模块输出目标背景概率后,过滤掉背景概率值低于设定阈值的样本,从而解决原算法中存在的正负样本比例失衡的问题。使用调整过的锚框替代原算法中直接由聚类生成固定大小的锚框,该过程为边界框的预测提供更优的初始值。在VOC数据集上的实验结果表明,相较于原算法,改进的YOLO v3具有更高的检测精度。
引用
收藏
页码：313 / 321
页数：9
相关论文