基于改进YOLOv3的人体目标检测算法研究
梁芷
毋涛
薛岩松
西安工程大学计算机科学学院 西安 710600
摘要：针对YOLOv3在人体检测上对小目标对象检测精度低、漏检率高,以及其检测速度无法满足现阶段实时检测需求的问题,论文提出基于改进YOLOv3的人体目标检测算法.首先,对VOC数据集中person类别使用K-means++聚类算法重新聚类,生成新的先验框,优化先验参数;其次,对YOLOv3骨干网络Darknet53进行通道剪枝,得到轻量化的骨干网络LR-Darknet41,减少模型参数,提高检测速度;最后,在特征融合部分,将部分深浅层特征通过RFB-s模块进行融合,扩大感受野,增强对小目标对象的检测.实验结果表明,所提出的改进算法相较原算法,漏检率降低3.7%,检测精度提高4.1%,检测速度达到53.6帧/秒.
关键词：YOLOv3人体检测LR-Darknet41网络特征融合RFB-s
分类号：TP301.6(计算技术、计算机技术)
资助基金：陕西省科技成果转移与推广计划(2019CGXNG-018)
论文发表日期：2024-12-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：7( 3503-3508,3554 )
英文信息