MispYOLO加油站场景目标检测
文档名：MispYOLO加油站场景目标检测
摘要：针对Yolov3-Tiny算法在加油站监控场景检测时由于数据特征提取不充分而导致检测精度低、漏检率高等问题,提出一种基于加油站场景的Misp-YOLO(YouOnlyLookOnce)目标检测算法.首先引入Mosaic数据增强算法,使图片包含更多特征信息;其次使用InceptionV2和PSConv(Poly-ScaleConvolution)多尺度特征提取方法提升网络多尺度预测能力;最后结合scSE(ConcurrentSpatialandChannel'Squeeze&Excitation')注意力机制,重构主干网络输出特征.实验结果证明该算法具有较高检测准确度,并且检测速度满足实际需求.优化后的算法性能得到极大提升,可推广应用于其他目标检测中.
Abstract：InordertosolvetheproblemthatYolov3-Tinyalgorithmhasinsufficientfeatureextractioningasstationmonitoringscenedetection,whichresultsinlowdetectionaccuracy,anewtargetdetectionalgorithmbasedongasstationsceneisproposed.ThismethodfirstintroducesMosaicdataenhancementalgorithmtomakethepicturecontainmorefeatureinformation.Secondly,InceptionV2andPSConv(Poly-ScaleConvolution)multiscalefeatureextractionmethodsareusedtoimprovethenetworkmultiscalepredictionability.Finally,combinedwiththescSE(ConcurrentSpatialandChannel'Squeeze&Excitation')attentionmechanism,theoutputcharacteristicsofthebackbonenetworkarereconstructed.Theexperimentalresultsshowthatthealgorithmhashighdetectionaccuracyandthedetectionspeedmeetstheactualneeds.Theperformanceoftheoptimizedalgorithmisgreatlyimprovedandcanitbeappliedtoothertargetdetection.
作者：刘远红程明皓Author：LIUYuanhongCHENGMinghao
作者单位：东北石油大学电气信息工程学院,黑龙江大庆163318
刊名：吉林大学学报（信息科学版）
Journal：JournalofJilinUniversity(InformationScienceEdition)
年，卷(期)：2024, 42(1)
分类号：TP183
关键词：目标检测YOLO算法特征提取注意力机制多尺度预测
Keywords：targetdetectionyouonlylookonce(YOLO)algorithmfeatureextractionattentionmechanismmulti-scaleprediction
机标分类号：TN957.52TP391U653
在线出版日期：2024年4月3日
基金项目：Misp-YOLO:加油站场景目标检测[
期刊论文]吉林大学学报（信息科学版）--2024, 42(1)刘远红程明皓针对Yolov3-Tiny算法在加油站监控场景检测时由于数据特征提取不充分而导致检测精度低、漏检率高等问题,提出一种基于加油站场景的Misp-YOLO(YouOnlyLookOnce)目标检测算法.首先引入Mosaic数据增强算法,使图片包含更多...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
Misp-YOLO:加油站场景目标检测Misp-YOLO:Gas Station Scene Target Detection
Misp-YOLO:加油站场景目标检测.pdf
页:
[1]