改进的YOLOv3目标检测算法

摘要

针对YOLOv3目标检测算法存在网络参数量大、检测精度不够高的问题,首先,使用一种轻量化YOLOv3特征提取网络的方法,降低特征提取网络部分的参数量;其次,提出一种多级特征融合网络结构,提高YOLOv3算法特征层的检测效果;最后,采用一种软化的非极大值抑制(soft non-maximun suppression,Soft-NMS)算法,在检测阶段有效避免重叠目标下的漏检.结果表明,相比于YOLOv3算法,改进YOLOv3算法的参数量降低了46％,模型大小约为原模型的50％,在PASCAL VOC2007数据集上的平均精度均值(mean average precision,mAP)提升了3.5％.