计算机工程

作者：奚琦, 王明杰, 魏敬和, 赵伟

单位：中国电子科技集团公司第五十八研究所, 江苏 无锡 214122

关键词：小目标检测,YOLOv3,密集连接网络,损失函数,广义交并比

基金：国家自然科学基金面上项目(62174150); 国家自然科学基金青年科学基金项目(62204233); 江苏省自然科学基金面上项目(BK20211041); 江苏省自然科学基金面上项目(BK20211040); 江苏省产业前瞻与关键核心技术重点项目(BE2021003-1); 江苏省产业前瞻与关键核心技术项目(BE2023005-1)

针对小尺度目标在检测时精确率低且易出现漏检和误检等问题, 提出一种改进的YOLOv3 (You Only Look Once version 3)小目标检测算法。在网络结构方面, 为提高基础网络的特征提取能力, 使用DenseNet-121密集连接网络替换原Darknet-53网络作为其基础网络, 同时修改卷积核尺寸, 进一步降低特征图信息的损耗, 并且为增强检测模型对小尺度目标的鲁棒性, 额外增加第4个尺寸为104×104像素的特征检测层; 在对特征图融合操作方面, 使用双线性插值法进行上采样操作代替原最近邻插值法上采样操作, 解决大部分检测算法中存在的特征严重损失问题; 在损失函数方面, 使用广义交并比(GIoU)代替交并比(IoU)来计算边界框的损失值, 同时引入Focal Loss焦点损失函数作为边界框的置信度损失函数。实验结果表明, 改进算法在VisDrone2019数据集上的均值平均精度(mAP)为63.3%, 较原始YOLOv3检测模型提高了13.2百分点, 并且在GTX 1080 Ti设备上可实现52帧/s的检测速度, 对小目标有着较好的检测性能。

来源：2025年第6期

《计算机工程》期刊编辑部

查看计算机工程杂志2025年第6期