改进YOLOv3的道路场景目标检测方法

作者：豆世豪

来源：电脑知识与技术, 2021, 17(23): 94-96.

DOI：10.14004/j.cnki.ckt.2021.2400

• 目标检测
• YOLO v3
• K-means++
• 空间金字塔池化

目标检测作为计算机视觉领域研究的重点之一,被广泛应用于自动驾驶、视频监控、医疗等领域。为了解决传统目标检测在实际应用过程中检测速度过慢以及检测精度不高等问题,本文提出一种改进的YOLO v3算法。首先,对于先验框位置使用K-means++算法进行提取,加快收敛速度;在YOLO v3特征提取部分引入SPP模块,实现局部特征和全局特征的融合,丰富特征图的最终表达能力;实验结果表明,改进后的YOLO v3方法在平均速度和平均精度方面分别提升了1.07%和2.02%,能够提升目标检测的实际效果。

• 出版日期2021
• 单位长江大学