摘要
针对YOLOv3算法在检测小尺度目标和较远处车辆时存在漏检现象的问题,在分析该算法检测原理的基础上,对其网络结构进行了修改,提出了一种YOLO-TridentNet网络,将三个平行分支网络进行了参数共享;基于KITTI数据集,训练了YOLOv3和YOLO-TridentNet车辆检测模型,比较了两个模型的查准率、查全率、平均精度和每秒检测帧数,验证了模型的有效性.实验结果表明:相比YOLOv3算法,基于YOLO-TridentNet的车辆检测算法的查全率提高了2.2％,达76.5％;查准率下降了0.4％,为98.3％;模型检测速度稳定在15帧/s,下降了2帧;同时,在阈值为0.5的情况下,平均精度为92.35％,提高了1.06％,说明YOLO-TridentNet车辆检测模型能够改善小尺度目标的检测精度.
国家科技期刊平台
NSTL
万方数据