本發(fā)明提出了一種基于EIoU改進(jìn)的YOLOv3算法，主要解決現(xiàn)有算法中由于重疊率、尺度及長寬比導(dǎo)致的基于IoU的損失L_IoU計算不準(zhǔn)從而影響檢測性能的問題。首先下載當(dāng)前目標(biāo)檢測領(lǐng)域通用數(shù)據(jù)集；其次重建現(xiàn)有算法YOLOv3網(wǎng)絡(luò)模型并用備好的數(shù)據(jù)集進(jìn)行訓(xùn)練，檢測其性能；然后將基于EIoU的損失函數(shù)L_EIoU嵌入YOLOv3算法模型中進(jìn)行訓(xùn)練并作性能評價；最后對比經(jīng)典的YOLOv3算法，分析測試結(jié)果。本發(fā)明提出的基于EIoU改進(jìn)的YOLOv3算法，相比經(jīng)典的YOLOv3算法，提高了平均準(zhǔn)確率，且更適用于同一區(qū)域中有多個物體重疊時的情況，另外該模塊也沒有引入更多的計算量，與原模型相比，實時性沒有受到影響。該模塊仍然能夠嵌入其他經(jīng)典算法模型中做對比測試，更具適用性，且魯棒性更好。