首页|基于改进tiny-YOLOv3的车辆检测方法

基于改进tiny-YOLOv3的车辆检测方法

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
针对复杂道路环境下前方车辆检测识别率低、实时性差的问题,提出一种基于改进tiny-YOLOv3的前方车辆检测算法.以tiny-YOLOv3为基础,利用Inception模块改进特征提取网络,增加网络宽度,提升网络特征提取能力;将ti-ny-YOLOv3的两个尺度检测增加至三个,融合上下文特征信息;利用K-means聚类方法确定目标候选框个数和尺寸,进行多尺度训练得到最优检测模型.基于KITTI数据集验证检测模型,结果表明,在保证实时性的基础上,改进算法的平均精度为89.66％,比tiny-YOLOv3提高了5.75％.
Vehicle Detection Method Based on Improved Tiny-YOLOv3

王硕、王孝兰、王岩松、马明辉、窦雪婷

展开 >

上海工程技术大学机械与汽车工程学院 上海 201620

车辆检测 YOLO K-means Inception 卷积神经网络

51675324

2021

10.3969/j.issn.1672-9722.2021.08.009

计算机与数字工程
中国船舶重工集团公司第七0九研究所

计算机与数字工程

CSTPCD
影响因子：0.355
ISSN：1672-9722
年,卷(期)：2021.49(8)
  • 1
  • 5