基于改进YOLOv3的目标检测方法研究

作者：王继千; 刘唤唤; 廖涛; 朱小东

来源：现代信息科技, 2022, 6(16): 71-74.

DOI：10.19850/j.cnki.2096-4706.2022.16.019

• 目标检测
• YOLOv3
• 注意力机制
• 昆虫
• CBAM

针对目标检测算法YOLOv3检测精度低、目标识别效果差等问题，从特征提取和特征融合的角度提出一种改进的YOLOv3目标检测算法。采取连续残差结构和深度卷积双路特征提取来扩展感受野，在深度卷积模块中以改进的混合池化来替换最大池化；在特征融合方面，引入CBAM，并在增强残差模块中增加了注意力特征融合模块。实验结果表明，改良后的YOLOv3算法在百度与北京林业大学合作的Insects昆虫数据集上的检测精度达到了71.22%，比原始算法的检测精度提升4.88个百分点，验证了该算法的有效性。

• 单位
  安徽理工大学