聚类Anchor参数与边界框损失优化的室内人群检测
wf（2023）
摘要
本文以室内人群精确检测统计为目标,在YOLOv3框架下,通过使用广义交并比来替换回归的损失函数,对损失项进行优化,并使用均值聚类思想对训练数据进行聚类得到符合数据集的Anchor值,同时将批量归一化层参数合并到卷积层以进一步降低运行时间.实验中选择六类不同场景确定训练集和验证集以及测试集,通过对训练结果和测试结果来分析学习率、识别精度和预测估计概率值之间的关系,并确定适合所提算法的迭代次数和学习率经验值,实验结果验证了所提方法的有效性.
更多AI 理解论文
溯源树
样例
生成溯源树，研究论文发展脉络
Chat Paper
正在生成论文摘要