一种改进的 YOLO V3 目标检测方法

来源：计算机技术与发展杂志2020年第07期北京时间：

作者：徐融;邱晓晖

摘要：目标检测是当今计算机视觉领域较为热门和流行的研究方向,在国防、安全和医疗保障等领域应用广泛。 然而小目标的检测准确度一直不高,针对这一问题,提出了一种基于 YOLO V3 网络模型的改进方法,通过增强小目标的检测准确度来提高网络整体的检测成功率。 由于小目标在图像中 所占像素很少,经过多层卷积之后提取得到的特征不明显。 改进方法通过将原网络模型中经 2 倍降采样的特征图进行卷积分别叠加到第二及第三个残差块的输入端,以此增强浅层特征信息。 同时,在第一个 8 倍降采样的特征图后连接 RFB 模块,增强特征提取能力。 用改进后的网络模型 在PASCAL VOC数据集上与原网络进行对比实验。 结果表明,改进之后的网络模型有效提高了小目标的检测准确率。

关键词：YOLO V3;目标检测;深度学习;RFB;PASCAL VOC