文献类型：期刊文章

作　　者：张培培[1] 王昭[1] 王菲[1]

Zhang Peipei;Wang Zhao;Wang Fei(Xi′an Traffic Engineering Institude,Xi′an 710300,China)

机构地区：[1]西安交通工程学院,西安710300

出　　处：《国外电子测量技术》

基　　金：陕西省教育厅科研计划(18JK1042)项目资助。

年　　份：2020

卷　　号：39

期　　号：8

起止页码：34-39

语　　种：中文

收录情况：JST、RCCSE、ZGKJHX、普通刊

摘　　要：目前,基于深度学习的目标检测和图像处理的应用范围非常广。在图像处理方面,加入了深度学习能够使一些算法即使在复杂的环境下也能有着不错的识别效果。基于深度学习的方法,通过增加神经网络的网络层数,能够有效的提取出待识别图像的相关特征。其中,逐层设置由浅至深的网络层数就能够提高目标检测的效果。YOLOv3是一种快速的目标检测算法,但其对部分小目标的在检测,识别上不太准确。创新性的通过在基础模型上的改进和增加anchor数量的方法来实现算法的优化。通过实验令该算法在VOC 07数据集上进行验证,实验结果表明与传统未改进的YOLOv3模型相比,在精度上提高了约1.4倍。经过理论阐述和实验成果证明,所提出的方法确实具备更高的执行效果和可靠性,大大提升了模型在数据集上的平均准确率,说明此改进具有有效性和可行性。

关 键 词：深度学习  图像处理 目标检测 YOLOv3  

分 类 号：TP38]