基于Ghost-YOLOv3-2算法的2尺度猪目标检测

打开文本图片集

摘要：为了提高养殖场猪目标检测的检出率和实时性，提出一种从特征提取骨干网络和特征金字塔网络这2个方面对YOLOv3算法进行改进的猪目标检测算法（Ghost-YOLOv3-2），并与经典YOLOv3、Ghost-YOLOv3、YOLOv3-2 等3种算法进行对比研究。试验结果表明，特征提取骨干网络的残差单元中引入影子块，可以在保留原有信息容量的同时减少计算量，提高网络速度;特征金字塔网络融合低层细粒度信息与高层语义信息，将输出层改为2尺度，可以进一步提高模型的表达能力与网络的实时性;改进的Ghost-YOLOv3-2算法在猪目标检测中平均精度（AP）达到88.03%，较YOLOv3算法提高5.2%;速度达到23.61 f/s，较YOLOv3算法提高34.6%，所提算法对猪检测的检出率和实时性有一定的提高。（剩余9539字）