南京邮电大学学报(自然科学版)

作者：许腾,唐贵进,刘清萍,鲍秉坤

单位：南京邮电大学 江苏省图像处理与图像通信重点实验室，江苏南京210003南京邮电大学 江苏省图像处理与图像通信重点实验室，江苏南京210003南京邮电大学 江苏省图像处理与图像通信重点实验室，江苏南京210003南京邮电大学 江苏省图像处理与图像通信重点实验室，江苏南京210003

关键词：小目标检测；样本不平衡；混合空洞卷积；Focal Loss

基金：国家自然科学基金(61872424)、南京邮电大学校级科研基金(NY218001，NY219076)和模式识别国家重点实验室开放课题(201900015)资助项目

为了进一步提升YOLOv3的小目标检测能力，文中提出将Darknet-53中的第2个残差块输出的特征图用混合空洞卷积处理后，与YOLOv3的8倍下采样特征图相融合，建立新的检测特征；同时，使用Focal Loss改进损失函数中的负样本置信度公式，缓解YOLOv3的正负样本比例失衡问题。实验结果表明,在小目标数量占比为47.7%的特定测试集上，改进YOLOv3的平均准确率和召回率分别比原YOLOv3提高了8.8%和16%；在VOC测试集上，改进YOLOv3的平均精度均值比原YOLOv3提升了3.4%。

来源：2020年第6期

《南京邮电大学学报(自然科学版)》期刊编辑部

查看南京邮电大学学报(自然科学版)杂志2020年第6期