基于改进损失函数的YOLOv3网络
CSTR:
作者:
作者单位:

作者简介:

通讯作者:

中图分类号:

基金项目:

国家重点研发计划(2017YFC0803700);上海市科委项目(17511101702);复旦大学工程与应用技术研究院先导项目(gyy2917-003)


YOLOv3 Network Based on Improved Loss Function
Author:
Affiliation:

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    为了提高卷积神经网络在目标检测的精度,本文提出了一种基于改进损失函数的YOLOv3网络.该网络模型应用一种新的损失函数Tan-Squared Error (TSE),将原有的平方和损失(Sum Squared Error,SSE)函数进行转化,能更好地计算连续变量的损失;TSE能有效减低Sigmoid函数梯度消失的影响,使模型收敛更加快速.在VOC数据集上的实验结果表明,与原网络模型的表现相比,利用TSE有效提高了检测精度,且收敛更加快速.

    Abstract:

    To improve the object detect precision of Convolutional Neural Network (CNN), we present a YOLOv3 network which based on improved loss function. This network model uses a new loss function Tan-Squared Error (TSE) which transferred from primary Sum Squared Error(SSE), and works better on continuous variable error computing. Meanwhile, the properties of TSE could decrease the impact of vanishing gradient problem in sigmoid function, and speed up model converging. The experiment results in Pascal VOC dataset show that TSE improves the detect precision effectively compared with the performance of primary network model, and the convergence is accelerated.

    参考文献
    相似文献
    引证文献
引用本文

吕铄,蔡烜,冯瑞.基于改进损失函数的YOLOv3网络.计算机系统应用,2019,28(2):1-7

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:2018-08-12
  • 最后修改日期:2018-09-05
  • 录用日期:
  • 在线发布日期: 2019-01-28
  • 出版日期: 2019-02-15
文章二维码
您是第位访问者
版权所有:中国科学院软件研究所 京ICP备05046678号-3
地址:北京海淀区中关村南四街4号 中科院软件园区 7号楼305房间,邮政编码:100190
电话:010-62661041 传真: Email:csa (a) iscas.ac.cn
技术支持:北京勤云科技发展有限公司

京公网安备 11040202500063号