[發明專利]一種基于yolo v3改進的小目標檢測方法

在審

• 申請號: 202110101307.0
• 申請日: 2021-01-26
• 公開（公告）號: CN112819010A
• 公開（公告）日: 2021-05-18
• 發明（設計）人: 蘇暢;張旸;陳誠
• 申請（專利權）人: 奧特酷智能科技（南京）有限公司
• 主分類號: G06K9/46
• 分類號: G06K9/46;G06K9/62
• 代理公司: 南京行高知識產權代理有限公司 32404
• 代理人: 李曉

本發明涉及一種基于yolo v3改進的小目標檢測方法，包括將基于yolo v3的目標檢測模型進行改進，具體包括以darknet53作為特征提取器，刪除兩個yolo層，將訓練集中到一個yolo層上，調大第97層的上采樣層的上采樣率，通過連接第97層的輸出與第11層的輸出來更改第98個layer route層，且添加一個spp層對feature map從不同尺度上做pooling再做連接，完成feature map級別的局部特征與全局特征的融合；依據改進后的目標檢測模型對小目標進行檢測，相較于傳統檢測模型在待檢測對象為小目標時可以更快收斂及有著更高的精度和魯棒性，在檢測過程中取得更好的精度和速度。

技術領域

本發明涉及一種基于yolo v3改進的小目標檢測方法，屬于目標檢測技術領域。

背景技術

Yolo v3是工業界常用的一種目標檢測模型，具有速度快、精度高的特征，yolo v3的設計是針對各種尺度的通用目標的監測。在實際的業務場景中，有很多時候需要檢測的對象為小目標，而傳統的yolo v3由于是為通用目標檢測設計的，當直接用于小目標（小目標通常指占圖像寬或圖像高的比例小于某個閾值的目標，比如該閾值可以是10%或20%，等等）的檢測時速度和精度都大打折扣，這種情況下，需要針對yolo v3做出改進，使其對小目標具有更強的檢測能力。

發明內容

本發明要解決的技術問題是：提供一種基于yolo v3改進的小目標檢測方法，解決傳統為了通用目標檢測而設計的yolo v3在檢測小目標時的速度及精度不足的問題。

為了解決上述技術問題，本發明提出的技術方案是：一種基于yolo v3改進的小目標檢測方法，包括以下步驟：將基于yolo v3的目標檢測模型進行改進，具體包括以darknet53作為特征提取器，刪除兩個yolo層，將訓練集中到一個yolo層上，調大第97層的上采樣層的上采樣率，通過連接第97層的輸出與第11層的輸出來更改第98個layer route層，且添加一個spp層對feature map從不同尺度上做pooling再做連接，完成feature map級別的局部特征與全局特征的融合；依據改進后的目標檢測模型對小目標進行檢測。

作為本發明所述的基于yolo v3改進的小目標檢測方法的一種優選方案，其中：刪除兩個yolo層，將訓練集中到一個yolo層時，刪除第82層和第94層的yolo層后，將訓練集中到第106層的yolo層上。

作為本發明所述的基于yolo v3改進的小目標檢測方法的一種優選方案，其中：調大第97層的上采樣層的上采樣率至4倍上采樣。

本發明起到的技術效果是：本發明提出的基于yolo v3改進的小目標檢測模型針對業務場景的待檢測目標為小目標時，相較于運用傳統檢測模型而言可以更快收斂及有著更高的精度和魯棒性，在檢測過程中取得更好的精度和速度。

附圖說明

下面結合附圖對本發明作進一步說明。

圖1是本發明實施例中改進后的yolo v3目標檢測模型中去除2層yolo層的示意圖。

圖2是本發明實施例中改進后的yolo v3目標檢測模型中添加的SPP結構示意圖。

圖3是本發明實施例中改進后的yolo v3目標檢測模型的示意圖。

圖4是本發明實施例中改進后的yolo v3目標檢測模型的示意圖。

圖5是本發明實施例中傳統的yolo v3目標檢測模型的示意圖。

具體實施方式

實施例

在實際的業務場景中，有很多時候需要檢測的對象為小目標，而傳統的yolo v3由于是為通用目標檢測設計的，當直接用于小目標的檢測時速度和精度都大打折扣。