文献类型：期刊文章

作　　者：岳晓新[1] 贾君霞[1] 陈喜东[2] 李广安[1]

YUE Xiaoxin;JIA Junxia;CHEN Xidong;LI Guang’an(School of Electronic and Information Engineering,Lanzhou Jiaotong University,Lanzhou 730070,China;School of Tourism,Lanzhou University of Arts and Science,Lanzhou 730030,China)

机构地区：[1]兰州交通大学电子与信息工程学院,兰州730070 [2]兰州文理学院旅游学院,兰州730030

出　　处：《计算机工程与应用》

基　　金：国家自然科学基金(No.51867012);甘肃省科技计划(No.1504WKCA016)。

年　　份：2020

卷　　号：56

期　　号：21

起止页码：218-223

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CSCD、CSCD_E2019_2020、IC、JST、RCCSE、ZGKJHX、核心刊

摘　　要：针对通用目标检测算法在检测小目标时存在效果不佳及漏检率较高等问题,提出了一种基于改进YOLO V3的道路小目标检测算法。对YOLO V3算法网络模型中的聚类算法进行优化,使用DBSCAN+K-Means聚类算法对训练数据集聚类分析,选取更合适的Anchor Box,以提高检测的平均精度和速度;同时引入Focal Loss损失函数代替原网络模型中的损失函数形成改进的YOLO V3算法。进而与其他目标检测算法在KITTI数据集上对行人目标进行对比检测,发现改进的YOLO V3算法能够有效降低小目标漏检率,大大提高检测的平均精度和检测速度。实验结果表明,在KITTI数据集上,改进的YOLO V3算法检测目标的平均精度达到92.43%,与未改进的YOLO V3算法相比提高了2.36%,且检测速度达到44.52帧/s。

关 键 词：目标检测 YOLO V3  聚类算法 损失函数

分 类 号：TP391]