基于改进的YOLOv3网络的实时目标检测 
下载： 1276次
Real-Time Object Detection Based on Improved YOLOv3 Network
山西大学物理电子工程学院, 山西 太原 030006
图 & 表
图 1. YOLOv3网络结构图。(a) YOLOv3网络整体结构图;(b) set conv层和YOLO layer结构图
Fig. 1. YOLOv3 network structure diagram. (a) Overall structure diagram of YOLOv3 network; (b) structure diagram of set conv layer and YOLO layer
下载图片 查看原文
图 2. 数据集分析结果。(a)数据集的目标宽高分布图;(b) k-means聚类分析结果
Fig. 2. Dataset analysis results. (a) Target width and height distribution of the dataset; (b) k-means clustering analysis result
下载图片 查看原文
图 3. 平均交并比。(a) Avg IOU与Mean IOU关系图;(b) k-means算法和k-thresh方法的Avg IOU
Fig. 3. Average IOU. (a) Relationship between Avg IOU and Mean IOU; (b) Avg IOU of k-means and k-thresh
下载图片 查看原文
图 4. 目标检测图像
Fig. 4. Image of object detection
下载图片 查看原文
图 5. video-YOLOv3网络结构。(a) video-YOLOv3网络整体结构图;(b) splice-conv模块结构图
Fig. 5. Video-YOLOv3 network structure. (a) Overall structure diagram of video-YOLOv3 network; (b) structure diagram of splice-conv module
下载图片 查看原文
图 6. 网络结构对比图。(a) YOLOv3网络结构;(b) video-YOLOv3网络结构
Fig. 6. Comparison of network structure. (a) YOLOv3 network structure; (b) video-YOLOv3 network structure
下载图片 查看原文
图 7. 预测新图像流程图
Fig. 7. Flow chart of predicting new image
下载图片 查看原文
图 8. video-YOLOv3损失值函数和平均交并比曲线。(a)损失值函数曲线;(b)平均交并比曲线
Fig. 8. Loss function and Avg IOU curve of video-YOLOv3. (a) Loss function curve; (b) Avg IOU curve
下载图片 查看原文
图 9. 检测结果对比。(a) YOLOv3检测结果;(b) video-YOLOv3检测结果
Fig. 9. Comparison of test results. (a) YOLOv3 test results; (b) video-YOLOv3 test results
下载图片 查看原文
图 10. 实时检测对比图。(a)每5帧检测;(b)每6帧检测;(c)每7帧检测
Fig. 10. Comparison of real-time detection. (a) Detection every 5 frames; (b) detection every 6 frames; (c) detection every 7 frames
下载图片 查看原文
表 1数据集中包含每类目标的图片数量
Table1. Number of images with each type of object in the dataset
| Class | Person | Tvmonitor | Chair |
|---|
| Total number | 2503 | 1050 | 1958 |
|
查看原文
表 2不同模型在数据集上的mAP值
Table2. mAP values of different models on the dataset unit: %
| Method | AP | mAP |
|---|
| Person | Tvmonitor | Chair |
|---|
| Faster R-CNN | 70 | 74 | 65 | 69.67 | | SSD | 72 | 73 | 58 | 67.67 | | YOLOv3 | 77 | 74 | 60 | 70.33 | | Video-YOLOv3 | 77 | 76 | 64 | 72.33 |
|
查看原文
表 3CPU和GPU实时检测时间对比
Table3. Comparison of CPU and GPU real-time detection time
| Item | CPU(Intel i7-7700k) | GPU( Tesla K40) |
|---|
| Original | Corrected | Original | Corrected |
|---|
| Time /ms | 231.22 | 51.78 | 67.54 | 16.39 | | Max /(frame/s) | 4.33 | 19.45 | 15.73 | 64.26 |
|
查看原文
孙佳, 郭大波, 杨甜甜, 马识途. 基于改进的YOLOv3网络的实时目标检测[J]. 激光与光电子学进展, 2020, 57(22): 221505. Jia Sun, Dabo Guo, Tiantian Yang, Shitu Ma. Real-Time Object Detection Based on Improved YOLOv3 Network[J]. Laser & Optoelectronics Progress, 2020, 57(22): 221505.
PDF全文
