改进的GDT-YOLOV3目标检测算法

摘要

为了解决视频图像中目标检测准确率低、速度慢等问题,本文提出了一种基于YOLOV3改进的目标检测方法.通过引入GIOU Loss,可解决原IOU无法直接优化的非重叠部分问题,在借鉴了密集连接网络的思想之后,将YOLOV3中的3个残差块更换为3个密集块,并结合Max Pooling加强密集连接块之间的特征传递,重新替换IOU和原网络的连接结构,检测设计出新的网络结构后,减少了参数量,增强了特征的复用与融合,最终实现了优于原方法的效果.实验结果表明:改进的GDT-YOLOV3算法与原有的算法相比,无论是在简单还是复杂交通场景中都有较优秀的检测效果,本文所提出的算法平均检出准确率高达92.77％,速度达到25.3 f/s,基本满足了实时性.此外在检测精度上,改进的GDT-YOLOV3算法要优于SSD512、YOLOV2与YOLOV3算法.