首页> 中文期刊> 《华东理工大学学报:自然科学版》 >基于MAML算法的YOLOv3目标检测模型

基于MAML算法的YOLOv3目标检测模型

         

摘要

作为典型的一体化卷积神经网络,YOLOv3模型的网路传输途径简单,检测速度相对较快,但检测精度较低。当遇到新的目标在训练数据集中存在的样本较少时,模型检测会更加不准确,甚至会出现检测不到的情况。本文基于与模型不相关的元学习算法(MAML)改进了YOLOv3主干网络的结构,使其具有内循环和外循环的梯度下降,在初始参数基础上进行多步的梯度调整,达到仅用小样本数据就能快速收敛的目的。实验结果表明,该方法使得YOLOv3模型的检测精度提升了5.24%,且可以使梯度下降保持稳定,有效地满足YOLOv3模型在小样本数据训练情况下识别目标位置的精准性和泛化性。

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
获取原文

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号