文献类型：期刊文章

作　　者：王丹峰[1] 陈超波[1] 马天力[1] 李长红[2] 苗春雨[1]

Wang Danfeng;Chen Chaobo;Ma Tianli;Li Changhong;Miao Chunyu(School of Electronic Information Engineering,Xi’an Technological University,Xi’an 710021,Shaanxi,China;Northwest Institute of Mechanical and Electrical Engineering,Xianyang 712099,Shaanxi,China)

机构地区：[1]西安工业大学电子信息工程学院,陕西西安710021 [2]西北机电工程研究所,陕西咸阳712099

出　　处：《计算机应用与软件》

基　　金：陕西省科技厅项目(2019GY-069)。

年　　份：2020

卷　　号：37

期　　号：6

起止页码：218-223

语　　种：中文

收录情况：BDHX、BDHX2017、IC、JST、PROQUEST、ZGKJHX、核心刊

摘　　要：YOLOv3存在参数多、计算量大和卷积核单一等问题,导致在检测行人过程中出现精确度低和检测速率慢的现象,因此提出一种基于深度可分离卷积的YOLOv3行人目标检测算法。为了减少模型计算量,利用深度可分离卷积重新构建Darknet53网络;将Inception网络结构融入检测网络中以提升网络结构复杂度和检测精确度。在VOC2007数据集上的检测结果表明,该算法的精确率高达90.3%,检测速率为65.34帧/s,明显优于YOLOv3行人检测算法。

关 键 词：行人检测 YOLOv3  深度可分离卷积  INCEPTION

分 类 号：TP83]