基于边界极限点特征的改进YOLOv3目标检测

来源：计算机应用杂志2023年第1期北京时间：

作者：李克文, 杨建涛, 黄宗超

单位：中国石油大学（华东） 计算机科学与技术学院，山东 青岛 266580

摘要：目标数量多、尺度较小与高度重叠等问题导致目标检测精度低、难度大。为提升目标检测精度，尽可能避免漏检、误检情况，提出一种基于边界极限点特征的改进YOLOv3目标检测算法。首先，引入边界增强算子Border，从边界的极限点中自适应地提取边界特征来增强已有点特征，提高目标定位准确度；然后，增加目标检测尺度，细化特征图，增强特征图深、浅层语义信息的融合，提高目标检测精度；最后，基于目标检测中目标实例特性及改进网络模型，引入完全交并比（CIoU）函数对原YOLOv3损失函数进行改进，提高检测框收敛速度以及检测框召回率。实验结果表明，相较于原YOLOv3目标检测算法，改进后的YOLOv3目标检测算法的平均精度提高了3.9个百分点，且检测速度与原算法相近，能有效提高模型对目标的检测能力。

关键词：目标检测,边界极限点,YOLOv3算法,细化特征图,多尺度检测,损失函数