标题：基于改进YOLOv3行人检测研究
作者：杨飞1；李国飞2；张虎1；伍东升2
作者单位：1 苏州江南航天机电工业有限公司，江苏 苏州 215312；2 合肥职业技术学院，合肥 安徽 238010
关键字：深度学习；目标检测；行人检测；YOLOv3网络；SPP网络
摘要：行人的检测与跟踪在智能交通、自动驾驶领域中均有广泛的应用。针对图像中小目标检测率低问题，提出了一种YOLOv3的改进方法，并将其应用于小目标的检测。由于小目标所占的像素少、特征不明显，为了获取更多的小目标特征信息，在YOLOv3网络结构的基础上添加三层SPP网络，通过SPP模块实现了局部特征和全局特征，SPP模块中最大的池化核大小要尽可能地接近或者等于需要池化的特征图的大小，特征图经过局部特征与全局特征相融合后，丰富了特征图的表达能力，有利于待检测图像中目标大小差异较大的情况。用改进的YOLOv3算法和原YOLOv3算法在数据集上进行对比实验，结果表明改进后的YOLOv3算法能有效的检测小目标，对小目标的平均准确率有明显的提升。