基于深度学习的OBD端口占用状态自动识别算法

• 作者: 余宁梅 苏东
• 来源期刊: 北京邮电大学学报
• 学科: 工学
• 关键词: 光分路器 YOLOv3 聚类算法 软非极大值抑制 特征图
• 年，卷（期）: 2019,（6）
• 所属期刊栏目: 论文
• 页码范围: 49-57
• 页数: 9页
• 分类号: TN913.7
• 语种: 中文
• DOI: 10.13190/j.jbupt.2019-180

摘要

针对光分路器(OBD)端口占用状态不能自动采集的问题,提出了一种改进型YOLOv3算法.增加第4个上采样特征图,提升高分辨率下密集小物体检测敏感度;针对端口固定高宽比特征,利用k-means聚类算法重新确定目标候选框个数和高宽比;提出软非极大值抑制算法,缓解端口靠近且被遮挡情况下引起的漏检、误检;针对4种疑难生产场景下的端口占用状态完成检测.实验结果表明,改进后的YOLOv3准确率达90郾12％,相比原YOLOv3提升了5郾17％.改进后的算法对于端口类物体具有更高的检测准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	余宁梅	西安理工大学自动化与信息工程学院	97	476	11.0	15.0
2	苏东	西安理工大学自动化与信息工程学院	1	0	0.0	0.0