-
题名基于改进 YOLOv3 的自然场景下鸟类检测算法
被引量：2
- 1
-
-
作者
宋子盈
杨奎河
张宇
-
机构
北京交通大学计算机与信息技术学院
河北科技大学信息科学与工程学院
-
出处
《激光与光电子学进展》
CSCD
北大核心
2022年第18期329-336,共8页
-
基金
中国留学基金委地方合作项目(201808130283)
中国教育部人工智能协同育人项目(201801003011)
河北科技大学校立课题(82/1182108)。
-
文摘
针对自然场景下鸟类检测任务中存在模型参数量大、计算量高和正负样本严重不平衡的问题,提出了YOLOBIRDS算法。一方面,对特征提取网络模型进行修改,将标准卷积神经网络结构修改为深度可分离残差模型。另一方面,对损失函数进行修改,将目标框大小与位置损失函数由均方误差修改为广义交并比(CIoU),在置信度损失函数中增加正负样本控制参数。实验结果表明,在衡水湖鸟类数据集中,YOLOBIRDS算法的平均精度均值(mAP)达87.12%,比原算法高2.71个百分点;参数个数达12425917,比原算法低79.88%;速度达32.67 frame/s,比原算法高19.98%。采用该算法训练得到的新模型对鸟类检测的精度更高,检测速度更快,对鸟类检测的整体识别率大幅度提高,平衡了正负样本的损失权重。
-
关键词
目标检测
深度可分离残差模型
广义交并比损失函数
YOLOv3算法
-
Keywords
object detection
depthwise separable residual model
generalized intersection over union loss function
YOLOv3 algorithm
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
