计算机工程与科学

作者：霍爱清, 张书涵, 杨玉艳, 胥静蓉, 王泽文

单位：西安石油大学电子工程学院，陕西 西安 710065

关键词：目标检测,深度学习,YOLOv3算法,CIoU损失,非极大值抑制,

基金：陕西省教育厅重点实验室科研计划(17JS108);陕西省科技厅工业攻关项目(2020GY-152);西安石油大学研究生创新与实践能力培养项目(YCS21213196)

针对交通拥堵的车辆密集场景中检测目标重叠率高而导致漏检和误检的问题，提出了改进YOLOv3、CIoU损失函数优化以及SD-NMS优化算法(简记L-YOLOv3+CIoU Loss+SD-NMS)。利用深度可分离卷积、SE 模块和Ghost 模块改进YOLOv3 的残差单元结构，以提高对密集目标的特征提取能力，减少网络模型参数量；采用完整交并比CIoU损失函数加快网络模型收敛速度，同时将多目标集合预测思想与 DIoU-NMS 有机结合，提出了 SD-NMS 优化算法，以降低漏检误检率。在BDD100K数据集上进行实验，结果表明，改进的目标检测算法召回率达到 91.58%，精准率达到93.04%，与 YOLOv3 算法相比，召回率和精准率分别提升了12.09%和9.52%，具有更好的检测效果。

来源：2023年第5期

《计算机工程与科学》期刊编辑部

查看计算机工程与科学杂志2023年第5期