针对深度学习文本检测算法存在运行速度慢、模型体积大等问题,提出了基于改进的YOLOv3(You Only Look Once v3)文本检测方法(mobile-text-YOLOv3)。通过深度可分离卷积思想轻量化Darknet-53网络,在高层特征借助双线性插值和偏移层使卷...针对深度学习文本检测算法存在运行速度慢、模型体积大等问题,提出了基于改进的YOLOv3(You Only Look Once v3)文本检测方法(mobile-text-YOLOv3)。通过深度可分离卷积思想轻量化Darknet-53网络,在高层特征借助双线性插值和偏移层使卷积核具有可变感受野,较大地改善了模型的性能;改进D-IOU,引入宽度惩罚,改善了锚框(anchor)在垂直方向稀疏和回归目标形状时不平衡的问题,提高了检测精度。实验结果表明,该改进算法精度比YOLOv3提高7个百分点,检测速度最高可达22 frame/s,与同类算法相比有更快的检测速度和更小的模型体积。展开更多
文摘针对深度学习文本检测算法存在运行速度慢、模型体积大等问题,提出了基于改进的YOLOv3(You Only Look Once v3)文本检测方法(mobile-text-YOLOv3)。通过深度可分离卷积思想轻量化Darknet-53网络,在高层特征借助双线性插值和偏移层使卷积核具有可变感受野,较大地改善了模型的性能;改进D-IOU,引入宽度惩罚,改善了锚框(anchor)在垂直方向稀疏和回归目标形状时不平衡的问题,提高了检测精度。实验结果表明,该改进算法精度比YOLOv3提高7个百分点,检测速度最高可达22 frame/s,与同类算法相比有更快的检测速度和更小的模型体积。
