基于改进YOLO算法的车位自动检测系统

• 作者: 何自芬 张印辉 陈俊松
• 来源期刊: 软件导刊
• 学科: 工学
• 关键词: YOLO网络 车位检测 机器视觉 卷积神经网络
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 人工智能
• 页码范围: 37-41
• 页数: 5页
• 分类号: TP303
• 字数: 5207字
• 语种: 中文
• DOI: 10.11907/rjdk.191974

摘要

随着社会汽车数量的急剧增加,停车难已成为城市发展过程中的难题之一.针对这一问题,提出一种基于改进YOLO算法的停车场车位检测系统.通过网络获取、相机拍摄、三维建模3种方式分别获取不同场合、不同时间段及不同光照环境下的数据集.通过改变YOLOv3网络输入分辨率、增大动量、增大权值衰减值、增大批尺寸、减小抖动、选择合适的ignore_thresh值等6种不同措施对原网络进行改进,得到相对原网络检测效果更好的新网络YOLO-288×288.当IOU=50时,改进网络的平均检测精度由原来的86.5％提升到90.5％,查准率虽然降低了3％,但查全率提高了10％,平均IOU提高了1％.实验结果表明,新的YOLO-288×288网络优于原网络,其具有更高的检测精度、查全率及可靠性,能满足停车场的车位检测需求.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	何自芬	昆明理工大学机电工程学院	33	122	6.0	10.0
2	张印辉	昆明理工大学机电工程学院	40	190	8.0	13.0
3	陈俊松	昆明理工大学机电工程学院	4	4	1.0	2.0