基于YOLOv2的复杂场景下车辆目标检测

• 作者: 侯凌燕 李云鹏 王超
• 来源期刊: 电视技术
• 学科: 工学
• 关键词: 车辆检测 YOLOv2 深度学习 自动驾驶
• 年，卷（期）: 2018,（5）
• 所属期刊栏目: 监管与检测
• 页码范围: 100-106
• 页数: 7页
• 分类号: TP391.4
• 字数: 3825字
• 语种: 中文
• DOI: 10.16280/j.videoe.2018.05.023

摘要

车辆目标检测是自动驾驶中的一个重要环节.针对复杂场景下的车辆目标检测模型检测速度慢,检测精度和召回率低等问题,以YOLOv2网络为基础,使用K-means算法对自制驾驶员视角下的车辆数据集中目标边框进行聚类,改进网络中卷积层的激活函数,加载预训练模型,多尺寸图像训练,最终得到改进的车辆目标检测模型.实验表明,相对于传统的车辆检测模型,本文方法可以在保证检测速度的情况下,尽可能多地检测出更多车辆目标且精度较高.最终在测试集上的mAP和recall达到了84.93％和83.07％,FPS达到了66.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王超	北京信息科技大学计算机开放系统实验室	22	53	5.0	6.0
2	侯凌燕	北京信息科技大学计算机开放系统实验室	35	151	7.0	11.0
3	李云鹏	北京信息科技大学计算机开放系统实验室	4	18	2.0	4.0