改进YOLOv3的多尺度高分辨率特征增强图像目标检测

针对目标检测存在背景复杂,遮挡严重,尺度大小不一的问题,本文基于YOLOv3进行改进,提出了一种多尺度高分辨率的特征融合网络YOLOv3-F.首先,在backbone和neck之间添加空间金字塔池化结构(Spatial Pyramid Pooling),特征图经过局部特征与全局特征相融合后,丰富了特征图的表达能力,有利于待检测图像中目标大小差异较大的情况;其次,三尺度检测层增加为四尺度检测层,通过高分辨率特征图位置信息的保留,提高小目标识别的精度.最后,将YOLOv3损失函数改为CIoU,提高目标检测框回归的效率,降低目标漏检率.将改进算法在自制数据集COCO-CT6上进行试验,误检率降低1.8％,精度提高了3.6％.