1 论文标题：基于改进YOLO V3算法的室人数统计模型

2 作者信息：何 强*, 李 静, 陈琳琳：北京建筑大学理学院，北京;北京建筑大学，大数据建模理论与技术研究所，北京

3 出处和链接：何强, 李静, 陈琳琳. 基于改进YOLO V3算法的室人数统计模型[J]. 数据挖掘, 2023, 13(1): 10-22. https://doi.org/10.12677/HJDM.2023.131002


4 摘要：基于机器学习与深度学习的目标检测方法被广泛应用于人数统计，然而实际检测区域往往存在人群相互遮挡，或光照不均匀等情况时，人数统计仍然面临很大挑战。为此，提出了一种改进的YOLO V3模型，使其更好的适应室内人群的人数统计。首先自建并丰富了数据集，增加了训练数据的多样性，并通过K-means算法重新聚类锚框；其次，提出了F-YOLO V3模型，该模型中增加104 × 104尺寸的特征图输出并取消13 × 13尺寸特征图的输出；将原网络每一层上采样后的特征图继续上采样，得到的特征图与原网络相应尺寸的特征图进行拼接；并将输出层前的5个卷积变成了1个卷积和2个残差单元，提取更多特征信息，增强对模糊或者较小目标检测能力；最后增加一个ADIOU Loss分支衡量检测框的定位准确度。实验结果表明，F-YOLO V3模型具有更高的召回率和平均精度，室内场景下的人员统计性能得到显著提升。