·62* 智能系统学报 第16卷 域的左边界和右边界的距离。 相比，处理速度快了1倍，所以Darknet-53是兼顾 2.2特征平衡的YOLOv3网络 速度与精度的特征提取网络架构。 YOLOv3网络是一种单阶段目标检测方法， 原YOLOv3网络中通过3种不同尺度的特征 与RCNN系列的目标检测框架不同，YOLOv3网 图直接做预测，不同尺度分别包括13×13、26×26 络不生成候选框，直接在输出层返回边界框的位 52×52。为了更好地使用深层特征与浅层特征进 置及其所属类别。YOLOv3借鉴残差网络(resid- 行小尺寸行人检测，本文提出一种特征平衡的YOLO3 ual network,ResNet)I3o、特征金字塔网络I3 网络结构，如图5所示。 网络的思想，添加跨层跳跃连接，融合粗细粒度 类型 卷积核数量卷积核大小步长输出特征图像素大小 的特征，能更好地实现检测任务。添加多尺度预 卷积 32 3×3 256×256 卷积 64 3×3 128×128 测，即在3个不同尺寸的特征图层进行预测，每种 卷积 32 I×1 卷积 A 3×3 尺度预测3个锚框。锚框的设计方式使用聚类， 残差链接 128×128 得到9个聚类中心，将其按照大小均分给3个特 卷积 128 3×3 2 64×64 卷积 64 1×1 征图层。尺寸分别为13×13、26×26、52×52。本 23 卷积 128 3×3 文将对3个不同尺寸的特征进行融合。 残差链接 64×64 卷 256 3x3 2 32×32 YOLOv3的特征提取网络为Darknet--53,其网 卷积 128 R 卷 256 1 络结构如图4所示。Darknet--53网络中的Convo- 残差链接 32×32 lutional代表一个激活函数(darknetconv2dBN 卷积 512 3×3 16×16 卷积 256 1×1 leaky,DBL)操作流程，包含卷积层、批量归一化 卷积 512 3×3 层(batch normalization,BN)和Leaky_Relu激活函 残差链接 16×16 装 1024 3×3 8×8 数。对于YOLOv23来说，BN层和Leaky_Relu是和 卷积 512 1×1 卷积层不可分离的部分，共同构成了最小组件。 卷积 1024 3×3 残差链接 8×8 此外，还包括Resn残差模块，图4中最左面的数 平均池化记 全局 全连接层 1000 字1、2、8、8、4表示残差单元的个数。 Softmax分类 Darknet-53加深了网络结构，处理速度为78张s, 图4 Darknet-.53网络结构 比Darknet--l9慢，但是与相同精度的ResNet-l52 Fig.4 Darknet-53 Network IDarknet-53 DBL残差块×2 残差块×8DBL残差块×8DBL残差块x4 2×5 DBL DBI DBL Conv BN Leaky Relu 下采样 上采样 多尺度 上采样 26×26 下采样 YOLO YOLO YOLO 图5特征平衡YOLO3网络结构 Fig.5 Architecture of balance YOLOv3 network 特征融合是将不同类型、不同尺度的特征进 和Concatenate2种。Add方式是特征图相加， 行整合，去除冗余信息，从而得到更好的特征表 从而增加描述图像特征的信息量，即图像本身的 达。在神经网络中直观的融合方式一般分为Add 维度没有增加，只是每一维下的信息量增加了，这域的左边界和右边界的距离。 2.2 特征平衡的 YOLOv3 网络 13×13 26×26 52×52 YOLOv3 网络是一种单阶段目标检测方法， 与 RCNN 系列的目标检测框架不同，YOLOv3 网 络不生成候选框，直接在输出层返回边界框的位 置及其所属类别。YOLOv3 借鉴残差网络（resid￾ual network, ResNet） [ 3 0 ] 、特征金字塔网络[ 3 1 ] 网络的思想，添加跨层跳跃连接，融合粗细粒度 的特征，能更好地实现检测任务。添加多尺度预 测，即在 3 个不同尺寸的特征图层进行预测，每种 尺度预测 3 个锚框。锚框的设计方式使用聚类， 得到 9 个聚类中心，将其按照大小均分给 3 个特 征图层。尺寸分别为 、 、 。本 文将对 3 个不同尺寸的特征进行融合。 YOLOv3 的特征提取网络为 Darknet-53，其网 络结构如图 4 所示。Darknet-53 网络中的 Convo￾lutional 代表一个激活函数 (darknetconv2d_BN_ leaky, DBL) 操作流程，包含卷积层、批量归一化 层（batch normalization, BN）和 Leaky_Relu 激活函 数。对于 YOLOv3来说，BN 层和 Leaky_Relu 是和 卷积层不可分离的部分，共同构成了最小组件。 此外，还包括 Resn残差模块，图 4 中最左面的数 字 1、2、8、8、4 表示残差单元的个数。 Darknet-53 加深了网络结构，处理速度为 78 张/s， 比 Darknet-19 慢，但是与相同精度的 ResNet-152 相比，处理速度快了 1 倍，所以 Darknet-53 是兼顾 速度与精度的特征提取网络架构。 13×13 26×26 52×52 原 YOLOv3 网络中通过 3 种不同尺度的特征 图直接做预测，不同尺度分别包括 、 、 。为了更好地使用深层特征与浅层特征进 行小尺寸行人检测，本文提出一种特征平衡的YOLOv3 网络结构，如图 5 所示。 类型 卷积核数量卷积核大小 步长输出特征图像素大小 卷积 卷积 卷积 卷积 卷积 卷积 卷积 卷积 卷积 卷积 卷积 卷积 卷积 卷积 卷积 卷积 32 3×3 1 256×256 128×128 128×128 64×64 64×64 32×32 32×32 16×16 16×16 8×8 8×8 1 1 1 1 1 1 1 1 1 1 2 2 2 2 2 3×3 3×3 3×3 1× 2× 8× 8× 4× 3×3 3×3 3×3 3×3 3×3 3×3 3×3 1×1 1×1 1×1 1×1 1×1 64 32 64 64 128 128 128 256 256 256 512 512 512 1 024 1 024 残差链接 残差链接 残差链接 残差链接 残差链接 平均池化 全局 全连接层 1 000 Softmax 分类 图 4 Darknet-53 网络结构 Fig. 4 Darknet-53 Network Darknet-53 DBL DBL Conv BN Leaky_Relu DBL DBL DBL 残差块×2 残差块×8 残差块 DBL DBL ×8 残差块×4 52×52 DBL×5 DBL×5 DBL×5 YOLO YOLO YOLO 下采样 下采样 上采样 上采样 多尺度 融合 26×26 26×26 13×13 图 5 特征平衡 YOLOv3 网络结构 Fig. 5 Architecture of balance YOLOv3 network 特征融合是将不同类型、不同尺度的特征进 行整合，去除冗余信息，从而得到更好的特征表 达。在神经网络中直观的融合方式一般分为 Add 和 Concatenate 2 种。Add 方式[32] 是特征图相加， 从而增加描述图像特征的信息量，即图像本身的 维度没有增加，只是每一维下的信息量增加了，这 ·62· 智 能 系 统 学 报 第 16 卷