改进YOLOv3算法的交通多目标检测方法

摘要：

针对交通场景中目标像素占比小、互相遮掩等因素造成漏检、误检的问题,提出了基于YOLOv3的多目标检测方法.该方法在YOLOv3网络结构中植入空间金字塔池化模块以增强特征表达,同时提出一种多尺度特征融合机制兼顾获取空间信息和语义信息,通过扩展预测层的预测分支来细化待检目标的语义信息.此外,将改进的K均值聚类算法用于提取先验框的初始中心点,提升预测锚框与待检目标的匹配度,并运用柔性非极大值抑制算法进行置信分数的灵活调整.基于混合数据集的实验结果表明,所提方法有效地提升了检测精度.

关键词：交通多目标检测、特征提取、多尺度特征融合、预测锚框匹配

所属期刊栏目：45

分类号：TP391.4(计算技术、计算机技术)

资助基金：青年博士基金项目2021QB-053

在线出版日期：2022-11-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：103-108