改进YOLO算法的复杂交通场景目标检测

摘要：

复杂交通场景下,针对行人、电瓶车检测和识别由于光照强度、事物遮挡等情况下出现的精度低、实时性较差等问题,给出了一种改进YOLO算法的 目标检测方法.首先,利用多尺度方法增加训练样本,构建专门的混行目标数据集;然后,对目标检测模型进行了改进,在YOLOv4的网络框架下,将双边滤波的高斯金字塔变换Retinex图像增强网络与YOLOv4网络有效融合;最后,构建基于双边滤波的高斯金字塔变换Retinex图像增强算法融入模型.通过实际道路检测,证明了该算法的有效性.

关键词：目标检测、图像增强、深度学习、YOLOv4模型、Retinex算法

所属期刊栏目：36

分类号：TP242.2(自动化技术及设备)

资助基金：上海市科委项目;江苏省研究生培养创新工程研究生科研与实践创新计划

在线出版日期：2023-05-06（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：86-92