查看详情页

{
  "code" : 20000,
  "message" : "查看文章成功",
  "data" : {
    "articleId" : 101,
    "classify" : "技术",
    "title" : "基于改进YOLOv3的列车运行环境图像小目标检测算法",
    "author" : "梁美佳;刘昕武;胡晓鹏;",
    "pubTime" : "2023-03-01",
    "keyword" : "列车辅助驾驶;小目标检测;空洞卷积;稠密模块;特征融合;通道注意力机制",
    "summary" : "列车辅助驾驶离不开对列车运行环境的实时检测。列车运行环境图像存在丰富的小目标，与大中型目标相比，目标占原图比例小于1%的小目标由于分辨率低而存在误检率高、检测精度较差的问题，因此提出一种基于改进YOLOv3的列车运行环境目标检测算法(YOLOv3-TOEI)。首先利用k-means聚类算法优化anchor，加快网络的收敛速度；然后，在Darknet-53中嵌入空洞卷积以增大感受野，引入稠密模块（DenseNet）获取更丰富的图像底层细节信息；最后将原始YOLOv3的单向特征融合结构改进为双向加自适应特征融合结构，实现深浅层特征的有效结合，提高网络对多尺度目标（特别是小目标）的检测效果。实验结果表明，与原YOLOv3算法相比，YOLOv3-TOEI算法的平均精度均值（m AP@0.5）达到84.5%，提升12.2%，每秒传输帧数（FPS）为83，拥有更好的列车运行环境图像小目标检测能力。",
    "link" : "https://kns.cnki.net/kcms/detail/detail.aspx?FileName=JSJY20230228002&DbName=CAPJ2023",
    "status" : 1,
    "views" : 1,
    "likes" : 0,
    "stars" : 0,
    "liked" : false,
    "stared" : false
  }
}