一种多尺度YOLOv3的道路场景目标检测算法

摘要：

针对在自然交通场景中道路不同种类目标的边界框大小差异巨大,现有实时算法YOLOv3无法很好地平衡大、小目标的检测精度等问题,重新设计了YOLOv3目标检测算法的特征融合模块,进行多尺度特征拼接,对检测模块进行改进设计,新增2个面向小目标的特征输出模块,得到一种新的具有5个检测尺度的道路目标多尺度检测方法YOLOv3_5d.结果表明:改进后的YOLOv3_5 d算法在通用自动驾驶数据集BDD100 K上的检测平均精度为0.5809,相较于原始YOLOv3的检测平均精度提高了0.0820,检测速度为45.4帧·s-1,满足实时性要求.

关键词：道路多目标检测;卷积神经网络;深度学习;YOLOv3;多尺度检测

所属期刊栏目：42

分类号：TP273(自动化技术及设备)

资助基金：江苏省重点研发计划项目;镇江市重点研发计划项目

在线出版日期：2021-12-28（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：628-633,641