基于改进 YOLOv3 算法在道路目标检测中的应用

来源：计算机技术与发展杂志2021年第08期北京时间：

作者：谭芳喜;肖世德;';周亮君;李晟尧

单位：1. 西南交通大学 机械工程学院,四川 成都 610031;2. 轨道交通运维技术与装备四川省重点实验室,四川 成都 610031

摘要：为了提高道路环境下目标检测的准确率和实时性,提出一种基于 YOLOv3 的改进检测算法。 通过深度可分离卷积模块减少模型计算量,提高模型的实时性;采用 K-Means++ 聚类算法代替原来的 K-Means 算法生成本数据集所需的先验锚点框,解决 K-Means 算法受初始点选取的影响较大,聚类结果不稳定的问题;在 YOLOv3 的多尺度预测网络中引入SENet(squeeze-and-excitation networks),加强网络对特征的学习能力;改进位置损失函数,解决使用 IoU( intersection overunion)度量时存在无法反映预测框与真实框重合度大小、无法优化 IoU 为零等问题;利用 DIoU-NMS(基于 Distance-IoU 的非极大值抑制)去除冗余框,减少错误抑制,提高检测精度。 实验结果表明,改进算法相对于原算法在检测耗时降低的同时,对 5 类常见目标检测的准确率均有提升。

关键词：目标检测;YOLOv3;深度可分离卷积;SENet;DIoU-NMS 算法