基于改进YOLO v3的目标检测算法 下载: 2019次
Target Detection Algorithm Based on Improved YOLO v3
1 中国科学院上海微系统与信息技术研究所微系统技术重点实验室, 上海 201800
2 中国科学院大学, 北京 100049
图 & 表
图 1. 残差层结构
Fig. 1. Residual layer structure
下载图片 查看原文
图 2. Darknet53结构参数
Fig. 2. Darknet53 structural parameters
下载图片 查看原文
图 3. 改进的网络结构
Fig. 3. Improved network structure
下载图片 查看原文
图 4. 增加模块的网络结构参数
Fig. 4. Network structure parameters of increase module
下载图片 查看原文
图 5. 损失函数训练曲线
Fig. 5. Loss function training curve
下载图片 查看原文
图 6. 不同方案模型图。(a)第一种;(b)第二种
Fig. 6. Model diagram of different schemes. (a) 1st kind; (b) 2nd kind
下载图片 查看原文
图 7. 测试集上的实验效果图
Fig. 7. Experimental renderings on test dataset
下载图片 查看原文
表 1各种算法在VOC2007数据集上的测试结果
Table1. Test results of various algorithms on VOC2007 dataset
Algorithm | Network | Data | mAP /% |
---|
Faster R-CNN | VGG | VOC2007+2012 | 73.2 | Faster R-CNN | Residual-101 | VOC2007+2012 | 76.4 | R-FCN | Residual-101 | VOC2007+2012 | 80.5 | SSD321 | Residual-101 | VOC2007+2012 | 77.1 | SSD500 | Residual-101 | VOC2007+2012 | 80.6 | YOLO v2_416 | Darknet19 | VOC2007+2012 | 76.8 | YOLO v3_416 | Darknet53 | VOC2007+2012 | 79.4 | Ours | Darknet53 | VOC2007+2012 | 80.2 |
|
查看原文
表 2数据增强前后对模型精度的影响
Table2. Impact of data enhancement on model accuracy
Dataset | mAP /% |
---|
Before | After |
---|
VOC2007 | 80.20 | 80.47 |
|
查看原文
表 3不同模型对模型训练时间的影响
Table3. Influence of different models on model training time
Model | Solution one | Solution two |
---|
Time /h | 142 | 134 |
|
查看原文
赵琼, 李宝清, 李唐薇. 基于改进YOLO v3的目标检测算法[J]. 激光与光电子学进展, 2020, 57(12): 121502. Qiong Zhao, Baoqing Li, Tangwei Li. Target Detection Algorithm Based on Improved YOLO v3[J]. Laser & Optoelectronics Progress, 2020, 57(12): 121502.