基于RF-YOLOV3算法的车辆检测方法

摘要：

针对传统车辆检测方法依赖人工设计特征,存在运算量大、运算效率低、易受环境影响等问题,将卷积神经网络应用于车辆检测方法中.围绕对模型进行结构改革和参数调优两个方面进行研究,提出一种RF-YOLOV3网络模型,该算法利用K-means聚类算法,根据车辆固有的宽高特点,确定目标候选框个数和宽高比维度;然后根据聚类得到的结果重新设定模型参数,使得RF-YOLOV3网络在车辆检测中具有一定的针对性;最后采用迁移学习的方法对网络结构进行改进,得到最优的权重模型,提高了模型的训练精度.理论分析与实验结果表明,相较于YOLOV3原始算法,RF-YOLOV3方法在车辆检测任务中,平均检测精度提高1.01％,重复检测率下降3.5％,测试速度可达50 f/s,提高了检测精度并且有效避免了重复检测的问题.

关键词：车辆检测、RF-YOLOV3、结构改进、参数调优、模型训练、特征提取、对比验证

所属期刊栏目：44

分类号：TN911.73-34;TP183

资助基金：国家自然科学基金41671402

在线出版日期：2021-07-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：153-158