YOLOv3
YOLOv3的相关文献在2018年到2022年内共计665篇,主要集中在自动化技术、计算机技术、无线电电子学、电信技术、电工技术
等领域,其中期刊论文665篇、专利文献394118篇;相关期刊319种,包括农业机械学报、重庆理工大学学报(自然科学版)、电子设计工程等;
YOLOv3的相关文献由2031位作者贡献,包括王林、万秋波、刘朔等。
YOLOv3—发文量
专利文献>
论文:394118篇
占比:99.83%
总计:394783篇
YOLOv3
-研究学者
- 王林
- 万秋波
- 刘朔
- 林进浔
- 谷玉海
- 陈国栋
- 黄明炜
- 刘东
- 刘博
- 刘彦
- 刘胜
- 刘萍
- 向国徽
- 姚砺
- 孟鑫
- 季航
- 张俊
- 张磊
- 张神德
- 张红民
- 朱学岩
- 李啸
- 李杰
- 杨雪姣
- 杨龙飞
- 王伟
- 王孝兰
- 王岩松
- 石强
- 赵燕东
- 陈辽
- 陈锋军
- 顾梦梦
- 马社祥
- 黄同愿
- 龙学军
- 丁文杰
- 万少松
- 严英
- 乔鹏飞
- 仇润鹤
- 任斌
- 任洪娟
- 何姣
- 何强
- 何衍辉
- 修嘉芸
- 冯娇娇
- 刘丽
- 刘俊
-
-
陶英杰;
张维纬;
马昕;
周密
-
-
摘要:
提出一种将航拍车辆视频预处理与轻量化目标检测模型结合的级联方式.首先,针对无人机拍摄的车辆视频数据大量冗余的问题,在边缘设备设置一个两级过滤器,通过帧的像素级及结构性差异过滤大量冗余帧,从而大幅减少传输到后端的检测模型的帧数;其次,针对高精度目标检测模型时延高的问题,采用通道剪枝与层剪枝结合的方法压缩YOLOv3模型并部署在PC端,实现时延和精度的均衡.实验结果表明:两级过滤器能够有效过滤90%以上的冗余帧数,相较于原模型,压缩模型在精度仅下降2%左右的情况下,检测速度提高78.3%,达到36.9帧·s-1.
-
-
杨文焕;
翟雨;
殷亚萍;
王晓君
-
-
摘要:
针对多目标跟踪领域中现有研究方法存在的实时性差、易漂移等问题,基于YOLOv3算法和KCF算法,提出了一种多目标检测跟踪算法。首先,利用训练好的YOLOv3网络获取视频中目标的位置,并对各个目标进行ID分配;其次,将多个目标并行输入到基于核相关滤波的跟踪模块进行目标跟踪;然后,判断是否满足启动修正策略的条件,若满足则用检测模块的结果去修正跟踪模块的结果;最后,利用跟踪结果更新核相关滤波器模型。实验结果表明,将算法应用于OTB2015数据集中的4组含有多种干扰的视频序列,其跟踪精确度达82.4%,跟踪成功率达81.1%,能够满足跟踪实时性要求。因此,所提算法不但有效,且具有更强的鲁棒性,为多目标跟踪领域提供了新的研究思路。
-
-
孔浩冉
-
-
摘要:
随着大学校园非机动车数量的急剧增加,各种违规停放的问题也随之而来。由于非机动车乱停乱放的范围较大,时间较分散,并且数量极多,因此校园管理人员也很难进行高效地管理。为此,文章提出一种基于深度学习的大学校园非机动车乱泊监测系统,通过在嵌入式设备NVIDIA Jetson TX2上部署YOLOv3算法实现对违禁停车区域停放的非机动车进行实时监测。实验结果表明,本系统可以准确高效地对乱停乱放的非机动车进行实时监测,从而很好地避免了校园非机动车乱泊造成的交通拥堵等问题。
-
-
朱金连;
蒋海敏;
杨玉捷;
曹懿;
季必晔
-
-
摘要:
文章提出了一种针对海关监管场景下的人员检测系统,当未授权人员进出监管场所禁区时可及时预警告知海关工作人员。由于传统的YOLO v3网络无法应对背景复杂或目标过小的情况,文章改进了YOLO v3神经网络,加入HOG-CLBP特征提取层,并改进了先验框的生成算法。另外,文章算法修正了损失函数,使其更加符合人体姿态特征,最后通过边界点偏离检测来判别是否有人员越界情况。文章对INRIA数据集和海关真实场景数据进行了测试,结果表明该方法可以有效地提高夜晚环境下人员的检测精度。
-
-
刘文龙;
陈春雨
-
-
摘要:
为解决跌倒动作的检测和空间定位问题,本文以YOLOv3目标检测算法为基础,提出了一种全新的用于人跌倒动作识别的检测架构。本算法将视频拆分成一系列的图片序列,并在图片序列中指定关键帧。通过3D卷积神经网络提取视频序列中的时间维度特征,2D卷积神经网络提取关键帧中的空间维度特征,经通道融合机制在不同尺度的预测特征层进行通道融合,融合后的特征经过特征金字塔Transformer进行深层次特征提取和融合。该算法实现了端到端的训练。通过在自己制作的跌倒动作数据集上进行训练和测试,证明了多特征融合和Transformer结构在人体跌倒动作检测中的有效性。
-
-
曹春卿;
张吴平;
李富忠;
韩冀皖;
余廷熙;
刘帅
-
-
摘要:
自然场景下苹果采摘对目标的精准识别和三维定位是苹果智能采摘设备的关键技术。融合YOLOv3算法和双目视觉技术,通过YOLOv3算法对多种自然场景下的样本进行训练,构建识别模型,利用双目视觉获取苹果图像,运用YOLOv3模型得到图像中目标苹果的二维坐标,再利用双目视觉视差原理得到深度坐标信息,从而实现对目标苹果的三维空间定位。将该算法应用于不同自然场景下苹果的识别和定位,并进行识别效果和定位精度的评价。结果表明,在光照不均、果实上存在阴影并且存在相互遮挡的情况下,最小相对误差为0.193%,最大相对误差为3.670%;在夜晚光照不足且存在相互遮挡的情况下,最小相对误差为0.831%,最大相对误差为4.417%;有露水在苹果表面形成反射并且果实存在相互遮挡的情况下,最小相对误差为0.176%,最大相对误差为4.205%;在光线较弱、阴影小、存在遮挡时,最小相对误差为0.168%,最大相对为误差3.776%。研究中所运用的算法只需适量样本就可以满足不同场景下的识别和定位训练,在不同场景下的mAP(mean Average Precision)达96.60%。该算法具有较强的稳定性,能够识别重叠、夜间、光照折射等不同应用场景下的目标苹果,能够较好地满足智能机器人在识别定位方面的精度需求。
-
-
范博;
吴俊;
孙亮;
颜光前;
张兆民;
王强;
夏苠芩
-
-
摘要:
自动三维乳腺超声(Automated 3-D Breast Ultrasound,ABUS)克服传统超声的缺陷,成功应用于对腹壁疝轻量型补片的检查.但人工检阅ABUS超声图像耗时费力,且极易出现漏诊等问题.因此,文章提出一种基于改进YOLOv3和迁移学习的目标检测算法以辅助医生提高审阅速度和准确性.基于原有的YOLOv3模型,在检测层前增加空间金字塔池化(Spatial Pyramid Pooling,SPP)模块实现局部特征与全局特征的融合,丰富特征图的表达,解决了检测图像中小目标难以检测的问题;在网络训练中,采用迁移学习的策略进行训练网络以克服轻量型补片图像数据集有限的问题,提升网络的鲁棒性减少过拟合产生.实验结果表明,YOLOv3-SPP算法结合迁移学习训练方式,其平均精度均值(mean Average Precision,mAP)达到90.15%,图像检测速度为33.2 f·s^(-1),可有效辅助医生提高审阅效率.
-
-
张晓昇;
方凯;
徐鑫
-
-
摘要:
针对小型汽车变速箱后油封座缺陷检测精度低、检测速度慢、目标不敏感等问题,提出改进YOLOv3检测算法。在YOLOv3算法基础上,将第11层浅层特征与网络深层特征融合,生成尺度为104×104的新特征图层,提取更多小缺陷目标特征;再将BN层参数合并到卷积层,共用连通数据减少占用显存等空间。结果表明:文中算法能有效识别有缺陷油封座,准确率提高了1.25倍;加快了模型前向推移速度,检测速度提高了6 f·s^(-1)。
-
-
许新楷;
陈志峰;
罗智伟;
智桐
-
-
摘要:
本文提出了一种基于YOLOv3算法的运动车辆与静止车辆的识别方法。其利用卷积神经网络提取运动车辆与静止车辆的特征,对网络的输出层Softmax进行修改,并通过大量实验优化权重模型参数;利用AICITY CHALLENGE数据集制作训练和检测数据库。测试结果表明,改进后的YOLOv3算法能更好地识别多种现实生活场景中的运动车辆与静止车辆,取得了95.55%的mAP与34.7 frame/s的检测速度,具有很好的检测性能与实时性;检测精度达到了98%,足够满足实用需求。
-
-
张天益;
张磊;
李红兵;
王旭光;
宗泽
-
-
摘要:
针对特征点匹配过程中非标准形状目标物提取的特征点具有随机性,无法对目标物上某一点持续提取;且受环境影响,特征点匹配准确率不高等问题,提出一种基于标记点的匹配方法。首先在目标物期望跟踪点附近贴上若干个标记点,再通过YOLOv3对各标记点进行识别框选;然后在提取区域内进行FAST特征点检测并选取Harris响应值最大的N个特征点进行BRISK描述并匹配;将匹配结果作为标记点的相似度描述得到各帧标记点的对应关系;将各区域内的特征点进行最小二乘法拟合椭圆求解标记点中心;最后根据标记点预设的几何关系和匹配关系实现对期望点的动态匹配。实验表明该方法相较于传统SIFT、Harris-SIFT、光流法,能在目标物背光、自然光干扰等复杂环境下对期望点实现较好的匹配效果。