改进YOLOv3的轻量化漂浮物检测算法

作者：任英杰; 李传奇^*; 王薇; 葛召华

来源：水利水电技术(中英文), 2023, 54(10): 170-179.

DOI：10.13928/j.cnki.wrahe.2023.10.015

• YOLOv3算法
• 漂浮物
• 目标检测
• 轻量化
• 特征融合

【目的】为解决水域监控下漂浮物检测效率低、检测模型复杂度高的问题，提出一种基于改进YOLOv3的轻量化漂浮物检测算法。【方法】使用轻量级网络MobileNetv3代替YOLOv3的主干特征提取网络Darknet53以降低模型计算量和参数；构建简化版加权双向特征金字塔网络(Bi-FPN-tiny)以进行多尺度特征的加权融合；利用Focal Loss优化损失函数，加强对于困难样本的学习。为验证所提算法的有效性，建立了PASCAL VOC格式的漂浮物数据集，并进行数据标注和增广。【结果】结果表明：改进后的算法平均精度均值(mAP)达到92.8%,比原算法提高了7.1%;在NVIDIA Quadro P2200显卡下检测速度达到了86 fps/s,高于YOLOv3算法的47 fps/s;模型体积为43.7 MB,仅为初始算法的17.7%。【结论】改进YOLOv3是一种性能优越且轻量化的模型，为在移动端进行实时漂浮物检测提供了新的契机。

• 出版日期2023
• 单位山东大学