Print

嵌入SENet结构的改进YOLOV3目标识别算法

论文摘要

为准确识别工业图像中的目标零件,提出一种改进的YOLOV3目标识别算法。结合K-means聚类与粒子群优化算法进行锚框计算,以降低初始点对聚类结果的影响,加快算法收敛速度。同时在YOLOV3网络shortcut层嵌入SENet结构,得到SE-YOLOV3网络。对零件图像进行数据增强并加入零件标注,制作包含10 816张图片的样本集,用于算法训练和测试。实验结果表明,该算法能够获得平均交并比为83.01%的锚框,当样本图像存在较多残缺零件干扰时,YOLOV3存在将背景识别为零件的情况,其查准率与查全率分别为72.11%和97.51%,而SE-YOLOV3能有效减少假正例数量,其查准率与查全率分别为90.39%和93.25%。

论文目录

  • 0 概述
  • 1 YOLOV3网络
  •   1.1 网络结构配置
  •   1.2 锚框计算
  • 2 SE-YOLOV3网络
  •   2.1 SENet结构
  •   2.2 SENet嵌入式设计
  • 3 实验与结果分析
  •   3.1 数据集
  •   3.2 改进锚框算法
  •   3.3 评价指标
  •   3.4 网络训练与测试
  •   3.5 网络参数量分析
  •   3.6 结果分析
  • 4 结束语

    • 文章来源

    类型: 期刊论文

    作者: 刘学平,李玙乾,刘励,王哲,刘宇

    关键词: 目标识别,卷积神经网络,结构,网络,粒子群优化算法

    来源: 计算机工程 2019年11期

    年度: 2019

    分类: 信息科技

    专业: 计算机软件及计算机应用,自动化技术

    单位: 清华大学深圳研究生院,清华大学机械工程系,长虹智能制造技术有限公司

    基金: 国家自然科学基金(51475263)

    分类号: TP391.41;TP18

    DOI: 10.19678/j.issn.1000-3428.0052861

    页码: 243-248

    总页数: 6

    文件大小: 1535K

    下载量: 1360

    相关论文文献

    本文来源: https://www.lunwen66.cn/article/bd62afc3cd2c0d722ae17021.html