-
题名基于可变形卷积的改进YOLO目标检测算法
被引量：17
- 1
-
-
作者
黄凤琪
陈明
冯国富
-
机构
上海海洋大学信息学院
-
出处
《计算机工程》
CAS
CSCD
北大核心
2021年第10期269-275,282,共8页
-
基金
国家重点研发计划(2018YFD0701003)
上海市科技创新行动计划(6391902902)。
-
文摘
针对YOLO目标检测算法存在边界框定位不准确及对小目标检测精度低的问题,提出一种改进的YOLO目标检测算法dcn-YOLO。使用k-means++算法聚类出更符合数据集尺寸的锚盒,以降低初始点对聚类结果的影响并加快网络训练收敛速度。构建残差可变形卷积模块res-dcn,分别采用将其嵌入YOLO第一特征提取头模块中和替换3个YOLO特征提取头模块的方式,构建两种改进的dcn-YOLO算法,使网络可以自适应地学习特征点的感受野,从而对不同尺寸和形状的目标提取更有效的特征,提高检测精度。在VOC数据集上的实验结果表明,该算法能有效提高目标检测精度,mAP达到82.6%,相比YOLO、SSD、Faster R-CNN,分别高出了2.1、5.2、9.4个百分点。
-
关键词
YOLO算法
目标检测
感受野
可变形卷积
k-means++算法
-
Keywords
YOLO algorithm
object detection
receptive field
deformable convolution
k-means++algorithm
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
