[发明专利]一种基于改进YOLOv3的目标检测方法

权利要求书

1.一种基于改进YOLOv3的目标检测方法，其特征在于，包括步骤如下：

S1，选择图像数据集；

S2，采用灰度化、二值化、透视变换与边缘分割对图像进行预处理，并对图像进行缩放处理；

S3，将预处理后的图像放入MobileNetV2 Plus主干网络进行信息提取；

S4，选择三个不同大小的特征图作为预测输入，进入特征融合层；并对三个不同大小的特征图进行上采样以及拼接，再进行卷积，取输出通道为1024、512、256的三个特征图，分别输入给大、中、小三个不同先验框的输出层；

S5，对特征融合层输入的三个不同通道数的特征图，再次进行卷积，得到分类后的特征图，生成三个不同维度大小的先验框；

S6，利用损失函数对模型进行计算，更新参数。

2.根据权利要求1所述的基于改进YOLOv3的目标检测方法，其特征在于，步骤S2中，采用Resize双线性插值法，对图像进行缩放变换。

3.根据权利要求1所述的基于改进YOLOv3的目标检测方法，其特征在于，步骤S3中，所述主干网络为MobileNetV2 Plus网络中采用的DW模块全部由1*1大小的卷积核组成。

4.根据权利要求1所述的基于改进YOLOv3的目标检测方法，其特征在于，步骤S4中，采用7*7*320的特征图作为大先验框预测输入，14*14*192的特征图作为中先验框预测输入，28*28*64的特征图作为小先验框预测输入；

大先验框预测输入经过DW模块，输出到Head大先验框层，并且向下一级采样提交7*7*320特征图；

中先验框预测输入拼接上上一层输入的7*7*320特征图，经过DW模块并且拼接下采样后14*14*320的特征图；再经过DW模块，输出14*14*512特征图到head中先验框层，并且向下一级采样提交14*14*512特征图；

小先验框预测输入拼接上上一层输入的14*14*512特征图，经过DW并且下采样后28*28*512的特征图；经过DW模块，输出28*28*576特征图到head小先验框层。

5.根据权利要求4所述的基于改进YOLOv3的目标检测方法，其特征在于，步骤S5中，Head大先验框层进入DW模块以及conv层,进行1/32采样，输出为13*13*255特征图；Head大先验框层再进入DW模块以及conv层,进行1/16采样，输出为26*26*255特征图；Head大先验框层再进入DW模块以及conv层,进行1/8采样，输出为52*52*255特征图。

6.根据权利要求4所述的基于改进YOLOv3的目标检测方法，其特征在于，步骤S6中，在交叉熵之前加入权重因子形成新的损失函数FL(P_t)：

FL(P_t)＝-(1-P_t)^γlog(P_t)

其中，γ为权重参数，log()为交叉熵损失函数，P_t值为目标物体的置信度；

并给易区分的样本添加权重α₁，给难分辨的样本添加权重α₂，则有：

Loss＝α₁*FL_易区分+α₂*FL_难区分

其中，FL_易区分为易区分的样本，置信度接近1或接近0；FL_难区分为难分辨的样本，置信度在0.5附近。