一种改进的BR-YOLOv3目标检测网络
来源：计算机工程杂志2021年第10期北京时间：
作者：宦海, 陈逸飞, 张琳, 李鹏程, 朱蓉蓉
单位：南京信息工程大学 电子与信息工程学院, 南京 210044
摘要：在目标检测任务中不同目标间尺寸差异较大，导致多尺寸目标难以被有效检测。基于YOLOv3提出BR-YOLOv3目标检测网络。利用空洞卷积提升网络层感受野尺寸的特性，使用不同数量、尺寸、膨胀率的卷积构建多层并行的空洞感受野模块。通过双向特征金字塔结构实现浅深层特征的双向融合，提升浅层预测分支分类、深层预测分支目标定位能力。使用LOSSGIOU定位损失函数实现目标回归过程整体化，从而降低目标漏检率。实验结果表明，BR-YOLOv3目标检测网络在Pascal VOC测试集上的测试平均精度均值达到79.24%，相比原网络提升3.52个百分点，且在检测精度上优于SSD、Faster RCNN等主流目标检测网络。
关键词：目标检测,目标尺寸差异,空洞感受野模块,双向特征金字塔,定位损失函数
基金资助：国家自然科学基金（41671345）。
