基于改进的YOLOv3道路车辆实时检测

• 作者: 何宁 杜金航
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 车辆检测 YOLOv3 卷积神经网络 Darknet53 k-means
• 年，卷（期）: 2020,（11）
• 所属期刊栏目: 热点与综述
• 页码范围: 26-32
• 页数: 7页
• 分类号: TP391
• 字数: 4867字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1911-0195

摘要

道路车辆实时检测是计算机视觉领域中的研究热点问题.针对道路车辆检测算法存在检测精度低、速度慢等问题,提出了一种基于改进YOLOv3的道路车辆目标检测方法.通过改进Darknet53骨架网络构建了有30个卷积层的卷积神经网络,在减少网络成本的同时提高了检测速度;根据道路车辆宽高比固定的特点,利用k-means聚类方法选取锚点预测边界框,提高了检测速度与精度.实验结果表明,提出的方法在标准数据集KITTI上的平均精度达到了90.08％,比传统的YOLOv3提高了0.47％,检测速度达到了76.04 f/s,明显优于传统的YOLOv3算法.同时将该方法应用于车辆行驶动态数据集,能够实现针对视频中道路车辆的实时检测.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	何宁		21	201	7.0	14.0
2	杜金航		1	0	0.0	0.0