改进YOLO的车辆检测算法

摘要：

YOLO目标检测算法在进行目标检测和识别时具有识别精度高、检测速度快的特点.但也存在明显的问题,由于网络采用的结构是端对端模型,没有经过预选框进行匹配预选,直接进行回归产生最后的结果框,所以存在定位不准的问题.同时,YOLO网络将图片整体resize到固定的尺寸后,进行网格划分,当单个网格存在不止单个目标时,容易出现漏检的情况.DenseNet网络使用一种全新的网络结构,结合前面特征层的信息,在一定程度上提升了对物体的检测精度.在此基础上提出YOLO-D算法,结合前面特征层的信息,在不影响检测速度的同时,提高车辆检测精度,与此同时使得定位有所改善.

关键词：YOLO、端对端模型、DenseNet、车辆检测、YOLO-D、检测精度

所属期刊栏目：42

分类号：TN911.73-34

资助基金：国家自然科学基金61771270;浙江省自然科学基金2017A610109;浙江省自然科学基金LQ15F020004

在线出版日期：2019-07-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：47-50