首页|基于改进YOLOv3的ETC车辆检测算法研究

基于改进YOLOv3的ETC车辆检测算法研究

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
随着ETC通道车辆违规行为的不断增加,针对该场景下不同尺度和类型的车辆检测已经成为城市交通管理的一项重要工作.论文基于高速公路ETC场景下的真实数据集,提出了一种车辆检测的优化方法.为提高算法在车辆检测方面的适用性和准确性,论文在YOLOv3算法的基础上采用GIOU作为YOLOv3的边界框回归损失函数,同时用调整过的锚框来代替原始算法的锚框,使生成的检测框可以更好地适应不同角度的车辆.改进的YOLOv3在ETC场景数据集下的检测精度达到90.2％mAP,检测精度相对于目前主流的车辆检测算法SSD提升了10％,相对于YOLOv3提升了2％,达到当前条件下最好的检测效果.
ETC Vehicle Detection Algorithm Based on Improved YOLOv3

赵加坤、韩睿、孙俊、金举

展开 >

西安交通大学软件学院 西安 710049

改进YOLOv3 车辆检测 GIOU

国家自然科学基金

11772242

2022

10.3969/j.issn.1672-9722.2022.01.018

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)：2022.50(1)
  • 5