基于YOLOv2模型的道路目标检测改进算法

• 作者: 吴岳 宋建国
• 来源期刊: 软件导刊
• 学科: 工学
• 关键词: 目标检测算法 鲁棒性 深度学习 不规则 DA-DBSCAN 锚点框
• 年，卷（期）: 2019,（12）
• 所属期刊栏目: 算法与语言
• 页码范围: 126-129
• 页数: 4页
• 分类号: TP312
• 字数: 2762字
• 语种: 中文
• DOI: 10.11907/rjdk.191279

摘要

针对传统道路目标检测算法推荐窗口冗余、鲁棒性差、复杂度较高的问题,提出基于YOLOv2模型的道路目标检测改进算法.相较于传统的HOG+SVM目标检测算法,YOLO模型优势在于提升了检测速度及准确度,更适用于实时目标检测.比较YOLO V3与YOLO V2算法,前者在构造神经网络模型时复杂度较高,故最终选择YOLO V2算法.针对原算法中选取Anchor Boxes时所采用的K-MEANS算法造成的目标物体框冗余问题,以及原算法对于不规则物体以及遮挡物体检测效果较差等问题,提出基于YOLO V2模型的一种改进方法,将K-MEANS算法改进为一种DA-DBSCAN算法,通过动态调整参数的方式大大减少了锚点框冗余问题.实验表明,改进后的模型准确率达到96.76％,召回率达到96.73％,检测帧数达到37帧/s,能够满足实时性要求.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吴岳	山东科技大学计算机科学与工程学院	3	0	0.0	0.0
2	宋建国	山东科技大学计算机科学与工程学院	3	0	0.0	0.0