基于梯度差自适应学习率优化的改进YOLOX目标检测算法 |
| |
引用本文: | 宋玉存,葛泉波,朱军龙,陆振宇.基于梯度差自适应学习率优化的改进YOLOX目标检测算法[J].航空学报,2023(14):215-231. |
| |
作者姓名: | 宋玉存 葛泉波 朱军龙 陆振宇 |
| |
作者单位: | 1. 南京信息工程大学人工智能学院(未来技术学院);2. 南京信息工程大学自动化学院;3. 南京信息工程大学江苏省大气环境与装备技术协同创新中心;4. 南京信息工程大学江苏省智能气象探测机器人工程研究中心;5. 河南科技大学信息工程学院 |
| |
基金项目: | 国家自然科学基金(62033010);;航空科学基金(2019460T5001)~~; |
| |
摘 要: | 目标检测一直都是计算机视觉领域最具挑战的问题之一,其广泛应用于人脸识别、自动驾驶和交通检测等任务中。为更进一步提升当前主流目标检测算法的性能表现,提出了基于YOLOX的目标检测改进算法,并在标准的PASCAL VOC 07+12和RSOD数据集上进行实验验证。针对YOLOX目标检测算法主要通过数据增强、改进网络结构和损失函数3方面做出改进,同时提出基于梯度差的自适应学习率优化算法用于训练改进后的YOLOX算法,该优化算法同样适用于其他神经网络优化。在PASCAL VOC 07+12标准数据集上进行实验,与原YOLOX-S进行比较,改进后的YOLOX-S算法的AP由61.63%提升到66.35%,提升效果明显。同时在RSOD标准数据集上进行实验,并与其他主流的YOLO系列算法进行了比较,改进后的YOLOX-S算法在RSOD数据集的AP由69.4%提升到73.2%,提升效果显著。实验表明:针对YOLOX的目标检测做出改进是有效的。
|
关 键 词: | 目标检测 YOLOX 神经网络优化 PASCAL VOC RSOD |
|