基于改进YOLO v2的车辆实时检测算法

• 作者: 卞山峰 张庆辉
• 来源期刊: 电子质量
• 学科: 工学
• 关键词: 车辆实时检测 YOLOv2 FasterRCNN 目标框维度聚类
• 年，卷（期）: 2019,（10）
• 所属期刊栏目: 专业测试
• 页码范围: 19-22
• 页数: 4页
• 分类号: TP391
• 字数: 2059字
• 语种: 中文

摘要

针对传统的车辆检测算法存在鲁棒性差、检测速度慢和准确率低等问题,提出基于改进YOLO v2模型的车辆实时检测算法.通过目标框维度聚类、网络结构改进以及输入图像多尺度变换等方法对YOLO v2算法进行改进,对比传统的Faster RCNN检测算法,改进的算法提升了检测速度和准确度,将帧速度提升到了45f/s,精确度提升到了97.21％,在车辆实时检测方面效果更好.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张庆辉	河南工业大学信息科学与工程学院	70	263	8.0	13.0
2	卞山峰	河南工业大学信息科学与工程学院	3	2	1.0	1.0