基于改进的YOLOv3道路车辆实时检测

摘要：

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.

关键词：车辆检测、YOLOv3、卷积神经网络、Darknet53、k-means

所属期刊栏目：56

分类号：TP391(计算技术、计算机技术)

资助基金：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

在线出版日期：2020-06-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：26-32