文献类型：期刊文章

作　　者：袁小平[1] 马绪起[1] 刘赛[1]

YUAN Xiao-ping;MA Xu-qi;LIU Sai(School of Information and Control Engineering,China University of Mining and Technology,Xuzhou 221116,China)

机构地区：[1]中国矿业大学信息与控制工程学院,徐州221116

出　　处：《科学技术与工程》

基　　金：科技部科技支撑项目(2013BAK06B08)。

年　　份：2021

卷　　号：21

期　　号：8

起止页码：3192-3198

语　　种：中文

收录情况：BDHX、BDHX2020、RCCSE、ZGKJHX、核心刊

摘　　要：针对YOLOv3(you only look once version 3)对中小目标检测效果不理想的问题,提出改进算法DX-YOLO(densely ResneXt with YOLOv3)。首先对YOLOv3的特征提取网络Darknet-53进行改进,使用ResneXt残差模块替换原有残差模块,优化了卷积网络结构;受DenseNet的启发,在Darknet-53中引入密集连接,实现了特征重用,提高了提取特征的效率;根据数据集的特点,利用K-means算法对数据集进行维度聚类,获得合适的预选框。在行人车辆数据集Udacity上进行实验,结果表明:DX-YOLO算法与YOLOv3相比,平均准确率(mean average precision,mAP)提升了3.42%;特别地,在中等目标和小目标上的平均精度(average precision,AP)分别提升了2.74%和5.98%。

关 键 词：深度学习  目标检测 YOLOv3  ResneXt  DenseNet  

分 类 号：TP391.75]