蔡鸿峰，吴观茂

(安徽理工大学 计算机科学与工程学院，安徽 淮南 232001)

目标检测包含目标的定位和分类。早期的目标检测方法是使用手工提取特征，再在此基础上构造模型。使用该方法设计的模型结构复杂，提升模型精度困难。卷积神经网络具有较好的学习特征能力，Girshick等[1]将CNN应用到目标检测中，提出了R-CNN模型，使模型的检测性能有了很大提升，但其网络只能输入固定尺寸的图像，且R-CNN通过SS算法生成的候选区大量重叠，造成计算资源浪费。针对R-CNN模型的这类缺点，He等[2]提出了SPP-Net网络。Girshick[3]与Ren等[4]先后提出了Fast R-CNN与Faster R-CNN模型。从R-CNN发展到Faster R-CNN，模型的检测速度与检测精度均有所提高，但这类两阶段的检测方法在检测速度上与单阶段检测方法仍存在一定差距。典型的单阶段目标检测方法有YOLO系列算法和SSD算法。Redmon等[5]在2015年提出了第一个单阶段检测方法YOLO算法，Liu等[6]借鉴了YOLO和Faster R-CNN的优点提出了SSD算法，检测速度快并且实现了多尺度预测。在YOLO v1的基础上，Redmon等[7-8]又提出了YOLO v2和YOLO v3算法。其中，YOLO v2进行了各种尝试，使用了批标准化技术；YOLO v3使用了Darknet-53和sigmoid函数。本文以YOLO v3作为研究基础，通过网络结构和损失函数的改进来提升小目标检测的精度。

1 YOLO v3算法

相较于YOLO v2，YOLO v3算法在整体网络结构上有较大改变，使用sigmoid函数代替了softmax函数，并实现了多尺度预测。YOLO v3能够在3个不同位置的3个不同尺寸的特征图上使用大小为1×1的卷积核实现检测，其中的2个特征图是经过上采样和特征融合以后得到的。Darknet-53作为主干网络进行特征提取，借鉴了残差网络的结构，实现了跳层连接与残差模块。……