改进的YOLO V3算法及其在小目标检测中的应用
针对图像中小目标检测率低、虚警率高等问题,提出了一种YOLO V3的改进方法,并将其应用于小目标的检测。由于小目标所占的像素少、特征不明显,提出对原网络输出的8倍降采样特征图进行2倍上采样,将2倍上采样特征图与第2个残差块输出的特征图进行拼接,建立输出为4倍降采样的特征融合目标检测层。为了获取更多的小目标特征信息,在YOLO V3网络结构Darknet53的第2个残差块中增加2个残差单元。利用K-means聚类算法对目标候选框的个数和宽高比维度进行聚类分析。用改进的YOLO V3算法和原YOLO V3算法在VEDAI数据集上进行对比实验,结果表明改进后的YOLO V3算法能有效检测小目标,对小目标的召回率和检测的平均准确率均值都有明显的提升。
文件下载
评论信息
其他资源
- 简单的学生管理系统源码MFC
- microsoft office web components
- 多项式贝叶斯分类器(MultinomialNB)(Python)
- VL53L0X_STM32例程
- 学生信息管理系统Java+jsp+mysql
- 基于 51单片机的测量放大器
- PHP+MYsql图书管理系统毕业设计论文
- diagram.bpmn
- 使用mixedprecision复现ResNet50在ImageNet上的精度.docx
- 用COM ATL编写visual c++ IDE的插件Add_In.DLL
- ITIL v3内部培训合集
- Wireshark-win32-2.6.8 .exe
- kcf与dsst视觉跟踪源码
- 用xml做网页 新手入门用xml做网页
- 2019.5 ios开发 xcode12.3(16F156)最新真机/模拟器包
- 木马程序的查杀设计与实现（本科毕业设计论文及源程序）
- CodeSys如何在两个PLC之间通信
- 个人所得税 js 计算代码
免责申明
【只为小站】的资源来自网友分享，仅供学习研究，请务必在下载后24小时内给予删除，不得用于其他任何用途，否则后果自负。基于互联网的特殊性，【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查；无论 【只为小站】 经营者是否已进行审查，用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明