首页|基于改进YOLOv3的车辆前方动态多目标检测算法

基于改进YOLOv3的车辆前方动态多目标检测算法

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
现阶段的环境感知目标检测技术多为单类目标检测,或是将一幅图像中所有目标均列为待检目标,较少有对处于车辆前方的目标进行针对性的划分和检测.为了解决以上问题,提出了将车辆前方的待检目标分为两类:一是危险性较大,随时可能发生位移的动态目标,包括四轮车辆、二轮车辆和人;二是危险性较小,不会发生位移的静态目标,包括交通信号灯和交通标识.针对危险性较大的车辆前方动态多目标,提出了一种可以移植于嵌入式端的改进YOLOv3的目标检测算法,针对原始YOLOv3算法得到模型较大,难以在嵌入式端实时检测的缺点,以轻量型骨干网络MobileNetV2替换YOLOv3原始骨干网络Darknet-53进行特征提取,在训练中加入群组归一化操作,并使用Adam作为优化器.使用提取后的BDD100K数据集进行训练,利用未参与训练的BDD100K部分数据集和自采标注的Team_test数据集进行测试.研究结果表明,相比于原始YOLOv3算法,本文算法的漏检率可以维持在5％以内,在mAP提升0.020的基础上,本文模型在参数量上较YOLOv3基础模型减小了约89％,在CPU下的Inference Time缩小了约70％.
Dynamic multiple object detection algorithm for vehicle forward based on improved YOLOv3

金立生、郭柏苍、王芳荣、石健

展开 >

燕山大学 车辆与能源学院,河北 秦皇岛 066004

燕山大学 河北省特种运载装备重点实验室,河北 秦皇岛 066004

吉林大学 通信工程学院,长春 130022

北京理工大学 机械与车辆学院,北京 100081

展开 >

无人驾驶技术 环境感知 深度学习 多目标检测 轻量化模型

5207233321340801D,20310801D

2021

10.13229/j.cnki.jdxbgxb20200588

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(4)
  • 3
  • 3