倒置残差保留特征的YOLOv3的旗帜识别算法模型

作者：沈雅婷; 闫仪; 朱坤美; 刘冰冰

来源：电脑与电信, 2023, (04): 5-13.

DOI：10.15966/j.cnki.dnydx.2023.04.019

• 旗帜识别
• YOLOv3
• 倒置残差模块
• 深度可分离卷积
• 点卷积

针对旗帜识别问题，现阶段目标检测识别物体的优秀算法有YOLOv3,YOLOv3使用Darknet53网络，该网络通过正向残差进行卷积计算，计算量很大。因此提出模型RFIRYOLOv3(倒置残差保留特征的YOLOv3)。RFIRYOLOv3将Darknet53网络的正向残差模块改为倒置残差模块，尽可能保留特征并减少计算量，缩短检测时间。最后在KITTI测试集上，对比结果发现RFIRYOLOv3与YOLOv3的识别准确率几乎持平，但RFIRYOLOv3识别耗时为YOLOv3的一半，且RFIRYOLOv3的模型尺寸(即模型占内存的空间大小)为YOLOv3的15%～16%。RFIRYOLOv3相比YOLOv3具有一定的竞争力。

• 单位
  南京理工大学紫金学院