- 1、本文档共7页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
/第卷第期年月
CN43G1258TP计算机工程与科学42120201
ISSN1007G130X,,
ComuterEnineerinScienceVol42No1Jan2020
pgg
文章编号:()
1007G130X202001G0103G07
基于YOLOv3算法的训练集优化和检测方法的研究∗
1121
,,,
高星刘剑飞郝禄国董琪琪
(,;,)
1.河北工业大学电子信息工程学院天津3004012.广东工业大学信息工程学院广东广州510006
:,(),
摘要是一种单步目标检测算法不需要产生区域候选网络来提取目标信息相对
YOLOv3RPN
.,
于双步目标检测算法具有更快的检测速度但是现有算法在小目标检测上存在精度不高和漏检现象的
,.
问题为此提出了一种基于YOLOv3算法的训练集优化和图层处理的检测方法首先在标准数据集
,
VOC2007+2012和自建的举手行为数据集上采用KGmeans算法做聚类分析以得到适应数据集训练尺
;;
寸的anchor大小然后通过调整训练参数及选择合理的标签标注方式进行训练最后对输入图像进行图
.,()
层处理并进行目标检测实验结果表明聚类分析后VOC2007验证集的平均准确度mAP提高了
,,
14%并有效解决了原算法在检测过程中较高卷积层上感受野小的问题从而使YOLOv3算法在小目标
,.
物体的检测上精度提高漏检率也相对下降
:;;;
关键词YOLOv3anchor小目标检测聚类分析
中图分类号:文献标志码:
TP391.4A
:/
doi10.3969.issn.1007G130X.2020.01.013
j
Atraininsetotimizationanddetection
文档评论(0)