基于改进YOLOv3算法的交通场景目标检测

摘要：

目标检测算法在智能交通领域有着重要的应用,但存在小目标检测精度低和多尺度目标信息丢失的问题.针对此问题,提出一种改进的YOLOv3_4d算法,可以实现复杂交通场景中多尺度目标的精准识别.首先,为解决不同尺度目标在常规算法中信息丢失的问题,在检测网络中增加128×128尺度构造多尺度检测网络,挖掘不同尺度信息.其次,设计注意力残差单元和特征增强模块,注意力残差单元提取深层次小目标语义特征信息,特征增强模块拼接多尺度特征,获取丰富的融合信息.最后,算法引入GIoU和Focal函数设计损失函数,加快收敛速率,增强鲁棒性.数据集BDD 100K和VOC 2012的实验表明,改进算法的mAP50值增加了9.2％和4.0％,小目标的mAPS值增加了2.3％和3.2％,充分证实本算法的可行性.

关键词：目标检测、智能交通、YOLOv3算法、多尺度检测、特征融合

所属期刊栏目：38

分类号：U495;TP391.4;TP399(交通工程与公路运输技术管理)

资助基金：中央高校基本科研业务费专项资金项目2572016CB1

在线出版日期：2022-11-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：164-171