基于Ghost-YOLOv3-2算法的2尺度猪目标检测

来源：江苏农业科学杂志2022年第第7期北京时间：

作者：孙东来; 王继超; 陈科; 孙士尉; 刘昕彤; 周闻天

单位：1.河北水利电力学院自动化与通信工程学院，河北沧州 061000； 2.山东大学控制科学与工程学院，山东济南 250061；3.河北省高校水利自动化与信息化应用技术研发中心，河北沧州 061000； 4.华侨大学信息科学与工程学院，福建厦门 361021

摘要：为了提高养殖场猪目标检测的检出率和实时性，提出一种从特征提取骨干网络和特征金字塔网络这2个方面对YOLOv3算法进行改进的猪目标检测算法(Ghost-YOLOv3-2)，并与经典YOLOv3、Ghost-YOLOv3、YOLOv3-2 等3种算法进行对比研究。试验结果表明，特征提取骨干网络的残差单元中引入影子块，可以在保留原有信息容量的同时减少计算量，提高网络速度；特征金字塔网络融合低层细粒度信息与高层语义信息，将输出层改为2尺度，可以进一步提高模型的表达能力与网络的实时性；改进的Ghost-YOLOv3-2算法在猪目标检测中平均精度(AP)达到8803%，较YOLOv3算法提高5.2%；速度达到23.61 f/s，较YOLOv3算法提高34.6%，所提算法对猪检测的检出率和实时性有一定的提高。

关键词：猪目标检测;Ghost-YOLOv3-2;深度学习;特征提取;检出率;实时性