文献类型：期刊文章

作　　者：吕铄[1,2,3] 蔡烜[4] 冯瑞[1,2,3]

LYU Shuo;CAI Xuan;FENG Rui(School of Computer Science,Fudan University,Shanghai 201203,China;Shanghai Engineering Research Center for Video Technology and System,Shanghai 201203,China;Laboratory of Intelligent Information Processing,Fudan University,Shanghai 201203,China;R&D Center of Internet of Things,The Third Research Institute of Ministry of Public Security,Shanghai 201204,China)

机构地区：[1]复旦大学计算机科学技术学院,上海201203 [2]上海视频技术与系统工程研究中心,上海201203 [3]复旦大学智能信息处理实验室,上海201203 [4]公安部第三研究所物联网技术研发中心,上海201204

出　　处：《计算机系统应用》

基　　金：国家重点研发计划(2017YFC0803700);上海市科委项目(17511101702);复旦大学工程与应用技术研究院先导项目(gyy2917-003)~~

年　　份：2019

卷　　号：28

期　　号：2

起止页码：1-7

语　　种：中文

收录情况：CSA、IC、ZGKJHX、普通刊

摘　　要：为了提高卷积神经网络在目标检测的精度,本文提出了一种基于改进损失函数的YOLOv3网络.该网络模型应用一种新的损失函数Tan-Squared Error (TSE),将原有的平方和损失(Sum Squared Error, SSE)函数进行转化,能更好地计算连续变量的损失; TSE能有效减低Sigmoid函数梯度消失的影响,使模型收敛更加快速.在VOC数据集上的实验结果表明,与原网络模型的表现相比,利用TSE有效提高了检测精度,且收敛更加快速.

关 键 词：深度学习  损失函数 目标检测 卷积神经网络

分 类 号：TP391.41] TP183[计算机类]