基于交通夜视场景的改进YOLOv3轻量化网络模型

摘要

本文为减小YOLOv3的权重文件大小,将YOLOv3的特征提取器改为GhostNet模块,为提高网络模型对边界框的定位能力,将边界框损失函数由IoUloss改进为GIoUloss,提出了一种基于改进YOLOv3的轻量化目标检测网络模型GhostNet-GIoU-YOLOv3。将改进的网络模型在本文自制的交通夜视场景数据集上进行训练与测试,mAP可以达到95.3%,权重文件比YOLOv3的324M降低了72.25%。