基于YOLO-TridentNet的车辆检测方法

• 作者: 方瑞华 朱茂桃 邢浩
• 来源期刊: 重庆理工大学学报（自然科学版）
• 学科: 交通运输
• 关键词: 车辆检测 YOLOv3算法 YOLO-TridentNet模型 小尺度目标
• 年，卷（期）: 2020,（11）
• 所属期刊栏目: 车辆工程
• 页码范围: 1-8
• 页数: 8页
• 分类号: TP301.6|U471.15
• 语种: 中文
• DOI: 10.3969/j.issn.1674-8425(z).2020.11.001

摘要

针对YOLOv3算法在检测小尺度目标和较远处车辆时存在漏检现象的问题,在分析该算法检测原理的基础上,对其网络结构进行了修改,提出了一种YOLO-TridentNet网络,将三个平行分支网络进行了参数共享;基于KITTI数据集,训练了YOLOv3和YOLO-TridentNet车辆检测模型,比较了两个模型的查准率、查全率、平均精度和每秒检测帧数,验证了模型的有效性.实验结果表明:相比YOLOv3算法,基于YOLO-TridentNet的车辆检测算法的查全率提高了2.2％,达76.5％;查准率下降了0.4％,为98.3％;模型检测速度稳定在15帧/s,下降了2帧;同时,在阈值为0.5的情况下,平均精度为92.35％,提高了1.06％,说明YOLO-TridentNet车辆检测模型能够改善小尺度目标的检测精度.