改进YOLOv3的多尺度高分辨率特征增强图像目标检测

作者：杨文姬; 李浩; 王映龙; 梅梦

来源：小型微型计算机系统, 2022, 1-8.

• 图像目标检测
• 多尺度特征
• YOLOv3
• 特征融合

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%。

• 出版日期2022-4-20
• 单位江西农业大学; 江西省高等学校农业信息技术重点实验室; 江西商务学校