首页|基于改进YOLOv3-SPP算法的道路车辆检测

基于改进YOLOv3-SPP算法的道路车辆检测

扫码查看
原文链接
  • 万方数据
  • 维普
针对在城市道路场景下视觉检测车辆时,车辆密集和远处车辆呈现小尺度,导致出现检测精度低或者漏检的问题,提出了一种基于改进的YOLOv3-SPP算法,对激活函数进行优化,以DIOU-NMS Loss作为边界框损失函数,增强网络的表达能力.为提高所提算法对小目标和遮挡目标的特征提取能力,引入空洞卷积模块,增大目标的感受野.实验结果表明,所提算法在检测车辆目标时 mAP 提高了 1.79%,也有效减少了在检测紧密车辆目标时出现的漏检现象.
Road vehicle detection based on improved YOLOv3-SPP algorithm
Aiming at the problem of low detection accuracy or missing detection caused by dense vehicles and small scale of distant vehicles in the visual detection of urban road scenes,an improved YOLOv3-SPP algorithm was proposed to op-timize the activation function and take DIOU-NMS Loss as the boundary frame loss function to enhance the expression ability of the network.In order to improve the feature extraction ability of the proposed algorithm for small targets and occluding targets,the void convolution module was introduced to increase the receptive field of the target.Based on the experimental results,the proposed algorithm improves the mAP by 1.79%when detecting vehicle targets,and also effec-tively reduce the missing phenomenon when detecting tight vehicle targets.

vehicle detectionYOLOv3-SPP algorithmactivation functionatrous convolutiondeep learning

王涛、冯浩、秘蓉新、李林、何振学、傅奕茗、吴姝

展开 >

北京信息科技大学信息与通信工程学院,北京 100101

北京信息科技大学光电测试技术及仪器教育部重点实验室,北京 100192

国家计算机网络应急技术处理协调中心,北京 100029

河北农业大学河北省农业大数据重点实验室,河北 保定 071001

展开 >

车辆检测 YOLOv3-SPP算法 激活函数 空洞卷积 深度学习

国家自然科学基金资助项目国家自然科学基金资助项目国家自然科学基金资助项目北京市自然科学基金资助项目北京市教育委员会科学研究计划基金资助项目河北省自然科学基金资助项目河北省青年拔尖人才计划基金资助项目

620010346210213062100315474232004KM202111232013F2020204003BJ2019008

2024

10.11959/j.issn.1000-436x.2024046

通信学报
中国通信学会

通信学报

CSTPCD北大核心
影响因子：1.265
ISSN：1000-436X
年,卷(期)：2024.45(2)
  • 27