基于改进YOLOv3的快速车标检测方法

作者：阮祥伟; 李华; 余烨^*

来源：合肥工业大学学报(自然科学版), 2020, 43(12): 1608-1613.

• 车标检测
• YOLOv3算法
• 深度可分离卷积
• 特征金字塔
• 损失函数

文章提出一种基于改进YOLOv3算法的快速车标检测方法(network of vehicle logo detection,NVLD)。该方法使用以深度可分离卷积为基础的骨干网络提取车标特征;改进了YOLOv3的上采样方式和特征金字塔结构,使用反卷积的方式调整特征图大小以提取出更多的特征信息,并利用更多的浅层特征信息提高小目标的检测精度;在损失函数部分增加IOU损失以更准确地进行边界框回归。与最新的目标检测方法进行比较,实验结果表明该文方法的检测速度更快,是YOLOv3的2倍;准确率更高,比其他算法的平均精度均值(mean average precision,mAP)高出0.5%～2.8%。

• 单位
  中国电子科技集团第三十八研究所; 合肥工业大学