期刊专题

10.3778/j.issn.1002-8331.1911-0195

基于改进的YOLOv3道路车辆实时检测

引用
道路车辆实时检测是计算机视觉领域中的研究热点问题.针对道路车辆检测算法存在检测精度低、速度慢等问题,提出了一种基于改进YOLOv3的道路车辆目标检测方法.通过改进Darknet53骨架网络构建了有30个卷积层的卷积神经网络,在减少网络成本的同时提高了检测速度;根据道路车辆宽高比固定的特点,利用k-means聚类方法选取锚点预测边界框,提高了检测速度与精度.实验结果表明,提出的方法在标准数据集KITTI上的平均精度达到了90.08%,比传统的YOLOv3提高了0.47%,检测速度达到了76.04 f/s,明显优于传统的YOLOv3算法.同时将该方法应用于车辆行驶动态数据集,能够实现针对视频中道路车辆的实时检测.

车辆检测、YOLOv3、卷积神经网络、Darknet53、k-means

56

TP391(计算技术、计算机技术)

国家自然科学基金;北京市自然科学基金委和北京市教委联合重点项目;北京教委科技计划项目;北京联合大学研究生资助项目

2020-06-10(万方平台首次上网日期,不代表论文的发表时间)

共7页

26-32

暂无封面信息
查看本期封面目录

计算机工程与应用

1002-8331

11-2127/TP

56

2020,56(11)

专业内容知识聚合服务平台

国家重点研发计划“现代服务业共性关键技术研发及应用示范”重点专项“4.8专业内容知识聚合服务技术研发与创新服务示范”

国家重点研发计划资助 课题编号:2019YFB1406304
National Key R&D Program of China Grant No. 2019YFB1406304

©天津万方数据有限公司 津ICP备20003920号-1

信息网络传播视听节目许可证 许可证号:0108284

网络出版服务许可证:(总)网出证(京)字096号

违法和不良信息举报电话:4000115888    举报邮箱:problem@wanfangdata.com.cn

举报专区:https://www.12377.cn/

客服邮箱:op@wanfangdata.com.cn