首页 | 本学科首页   官方微博 | 高级检索  
     

一种多尺度YOLOv3的道路场景目标检测算法
引用本文:郁强,王宽,王海. 一种多尺度YOLOv3的道路场景目标检测算法[J]. 江苏大学学报(自然科学版), 2021, 42(6): 628-633,641. DOI: 10.3969/j.issn.1671-7775.2021.06.002
作者姓名:郁强  王宽  王海
作者单位:上海汽车集团股份有限公司商用车技术中心,上海200438;江苏大学 汽车与交通工程学院,江苏 镇江 212013
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

A multi-scale YOLOv3 detection algorithm of road scene object
YU Qiang,WANG Kuan,WANG Hai. A multi-scale YOLOv3 detection algorithm of road scene object[J]. Journal of Jiangsu University:Natural Science Edition, 2021, 42(6): 628-633,641. DOI: 10.3969/j.issn.1671-7775.2021.06.002
Authors:YU Qiang  WANG Kuan  WANG Hai
Abstract:
Keywords:
本文献已被 万方数据 等数据库收录!
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号