基于改进型YOLOv3的目标识别与跟踪技术  

Target Recognition and Tracking Technology Based on YOLOv3

作　　者：曹剑侠 李景景 CAO Jianxia;LI Jingjing(Zhengzhou University of Industrial Technology,Zhengzhou Henan 451100,China)

机构地区：[1]郑州工业应用技术学院,河南郑州451100

出　　处：《信息与电脑》2023年第14期197-199,共3页Information & Computer

基　　金：2023年河南省大学生创新创业训练项目资助项目(项目编号:202312747001)。

摘　　要：针对传统YOLOv3模型在小目标检测和跟踪方面存在的不足,提出了一种基于多尺度特征融合的改进型YOLOv3模型。该模型通过引入特征金字塔模块和预测分支,有效地提升了对小尺度目标的感知能力和定位精度。本研究使用MOTChallenge数据集对该模型进行实验评估,并与标准YOLOv3模型进行了对比。实验结果表明,基于多尺度特征融合的YOLOv3模型在精确率、召回率和平均精确度等评价指标上均取得了显著提升。In this study,we propose an improved YOLOv3 model based on multi-scale feature fusion to address the limitations of the traditional YOLOv3 model in detecting and tracking small-scale targets.By introducing the feature pyramid module and prediction branches,the proposed model effectively enhances the perception capability and localization accuracy for small-scale objects.We evaluate the model using the MOTChallenge dataset and compare it with the standard YOLOv3 model.The experimental results demonstrate significant improvements in accuracy,recall rate,and average precision metrics for the proposed multi-scale feature fusion YOLOv3 model.

关 键 词：目标识别与跟踪 YOLOv3 多尺度特征融合 小目标检测 

分 类 号：TP317.4[自动化与计算机技术—计算机软件与理论]