基于 YOLO v3 的落水人员检测

来源：计算机技术与发展杂志2022年第08期北京时间：

作者：许晓峰;陈姚节;';刘恒

单位：1. 武汉科技大学 计算机科学与技术学院,湖北 武汉 430065;2. 智能信息处理与实时工业系统湖北省重点实验室,湖北 武汉 430065

摘要：针对落水人员所处水域的复杂性以及波纹、阳光等因素导致对落水人员检测的准确率较低,以及在检测小目标时,经典检测算法易出现误检漏检情况,提出一种改进的 YOLO v3 目标检测算法。 使用 k-means++聚类算法对自有落水人员数据集进行聚类,得到更适合落水人员的锚框,从而提高检测速度与精度;在网络中加入通道注意力机制模块,其关注通道信息,可以学习到不同通道特征的重要程度,根据重要程度为每个通道分配相应的权重,从而让网络关注重要的特征,抑制不重要的特征,提高重要特征的表征能力;引入感受野模块( RFB) 来增大浅层特征图的感受野,从而提高小目标检测精度。 最后,在自制的落水人员数据集上对该算法进行了验证,结果表明,该算法在检测效果上优于原始 YOLO v3。

关键词：YOLO v3;聚类;感受野模块;注意力机制;目标检测