典型文献
基于改进YOLOv3的目标检测方法研究
文献摘要：
针对目标检测算法YOLOv3检测精度低、目标识别效果差等问题,从特征提取和特征融合的角度提出一种改进的YOLOv3目标检测算法.采取连续残差结构和深度卷积双路特征提取来扩展感受野,在深度卷积模块中以改进的混合池化来替换最大池化;在特征融合方面,引入CBAM,并在增强残差模块中增加了注意力特征融合模块.实验结果表明,改良后的YOLOv3算法在百度与北京林业大学合作的Insects昆虫数据集上的检测精度达到了71.22％,比原始算法的检测精度提升4.88个百分点,验证了该算法的有效性.
文献关键词：
目标检测;YOLOv3;注意力机制;昆虫;CBAM
中图分类号：
作者姓名：
王继千;刘唤唤;廖涛;朱小东
作者机构：
安徽理工大学,安徽淮南 232001
文献出处：
引用格式：
[1]王继千;刘唤唤;廖涛;朱小东-.基于改进YOLOv3的目标检测方法研究)[J].现代信息科技,2022(16):71-74
A类：
B类：
YOLOv3,目标检测方法,目标检测算法,检测精度,目标识别,残差结构,深度卷积,双路,取来,感受野,卷积模块,混合池化,最大池化,CBAM,残差模块,注意力特征融合,特征融合模块,百度,北京林业大学,Insects,昆虫,精度提升,百分点,注意力机制
AB值：
0.415374
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
