文献类型：期刊文章

作　　者：徐晓光[1] 李海[1]

Xu Xiaoguang;Li Hai(Anhui Polytechnic University,Wuhu 241000,China)

机构地区：[1]安徽工程大学电气工程学院高端装备先进感知与智能控制教育部重点实验室,芜湖241000

出　　处：《电子测量与仪器学报》

基　　金：芜湖市科技计划(2020cg12);安徽工程大学校级科研项目(xjky02201909)资助。

年　　份：2021

卷　　号：35

期　　号：6

起止页码：96-101

语　　种：中文

收录情况：BDHX、BDHX2020、CSCD、CSCD2021_2022、EAPJ、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：针对YOLO算法在下采样过程中丢失了部分大尺寸特征图的有效信息,从而导致在检测任务中因目标定位不够精准而影响模型整体检测精度的问题。提出利用多尺度特征融合的方法来解决YOLO定位不精准的问题,首先,对YOLO算法的网络模型进行修改,利用YOLO网络模型中不同尺寸特征图具有不同特征属性的特点,融合不同尺寸特征图来提高检测网络对目标的定位精度;其次在预训练模型的基础上对修改后的网络模型进行重新训练;最后在计算机中对训练好的模型进行检测试验。实验结果表明,基于多尺度特征的YOLO目标检测算法在精确率上相对于YOLO目标检测算法提高了3.02%,mAP提高了1.53%。

关 键 词：目标检测 YOLO算法  多尺寸特征  定位精度  

分 类 号：TP391.4] TN911.73[计算机类]