基于YOLOv3-HA的滑坡区房屋识别
来源：计算机应用与软件杂志2025年第1期北京时间：
作者：王炜康, 莫思特, 黄华, 李鑫, 杨世基
摘要：针对YOLOv3模型体积大、效率低的问题，提出一种基于YOLOv3改进的滑坡区房屋识别方法YOLOv3-HA。使用HetConv替换常规卷积核，引入CBAM模块和金字塔池化结构改善模型性能，再使用更精确的EIoU作为边框回归损失。基于滑坡房屋数据集的实验结果表明，该模型体积与FLOPs相较于原始模型减小约70%，检测速度提升20%，检测精度提高4.27百分点，验证了该轻量化算法的有效性。
关键词：目标检测, YOLOv3, 滑坡灾害, HetConv, CBAM, 金字塔池化
