首页|基于YOLOv3改进的用户界面组件检测算法

基于YOLOv3改进的用户界面组件检测算法

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
针对传统方法识别用户界面(UI)组件时,无法进行组件分类的问题,本文提出了基于经典目标检测算法YOLOv3改进的算法用于UI组件检测任务,包括识别和分类.特征提取网络采用DenseNet紧密连接结构使提取到的特征能够充分使用;在特征提取网络中加入通道注意力机制和空间注意力机制,使用加权的特征代替原来的特征用于后面的特征融合;构造4个维度的特征金字塔网络完成组件检测任务;使用Focalloss作为分类损失函数.在收集的真实UI数据集上进行实验,实验结果表明:在检测精度上,本文方法的召回率达到了91.97％,平均精度mAP达到了48.21％,相比传统检测方法,本文方法具有更好的性能.
User interface components detection algorithm based on improved YOLOv3

刘元宁、吴迪、朱晓冬、张齐贤、李双双、郭书君、王超

展开 >

吉林大学 符号计算与知识工程教育部重点实验室,长春 130012

吉林大学 计算机科学与技术学院,长春 130012

吉林大学 软件学院,长春 130012

计算机应用 组件检测 注意力机制 焦损失函数

吉林省产业创新专项项目国家自然科学基金

2019C053-261471181

2021

10.13229/j.cnki.jdxbgxb20200058

吉林大学学报(工学版)
吉林大学

吉林大学学报(工学版)

CSTPCDCSCD北大核心
影响因子：0.792
ISSN：1671-5497
年,卷(期)：2021.51(3)
  • 1
  • 2