自适应边缘优化的改进YOLOV3目标识别算法

作者：刘学平; 李玙乾^*; 刘励; 王哲

来源：微电子学与计算机, 2019, 36(07): 59-64.

DOI：10.19304/j.cnki.issn1000-7180.2019.07.012

• 目标检测
• 零件识别
• 卷积神经网络
• YOLOV3
• PSO

为了准确识别出图像中的目标零件,本文提出一种自适应边缘优化的改进YOLOV3目标识别算法.首先,利用K-means++算法计算出适用于本文数据集的anchor box,接着设计自适应边缘误差函数,并与改进PSO算法结合,得到改进YOLOV3算法(YOLOV3-AEEF).然后采集零件图像并进行数据增强,标注图片,得到样本集.加载预训练权重后对网络进行训练,并在测试集上测试.实验结果表明,当样本图片中存在较多残缺零件干扰时,YOLOV3存在将背景识别为零件的情况,而YOLOV3-AEEF能够准确识别出目标零件,在保证较高查全率的情况下,查准率较YOLOV3提高21%,提升了网络的综合性能.

• 单位
  清华大学深圳研究生院