改进的YOLOv3算法在道路环境目标检测中的应用

• 作者: 胡贵桂
• 来源期刊: 汽车实用技术
• 学科: 工学
• 关键词: 道路环境 目标检测 YOLOv3
• 年，卷（期）: 2020,（5）
• 所属期刊栏目: 测试试验
• 页码范围: 117-121
• 页数: 5页
• 分类号: TP301.6
• 字数: 3158字
• 语种: 中文
• DOI: 10.16638/j.cnki.1671-7988.2020.05.035

摘要

近年来,社会经济持续高速的发展,人均汽车占有量迅速增加.为了避免车辆追尾等事故发生,结合道路环境下目标检测的难点及要求,文章选择基于卷积神经网络的YOLOv3算法,并针对YOLOv3中使用的k-means聚类算法初始时随机选择质心这一不稳定性以及原本的darknet53网络层数较低导致精度不是很高的问题,引用k-means++聚类算法对k-means聚类算法进行优化,并将darknet53替换成特征提取能力更强的resnet101,进行算法优化.实验结果显示优化后的算法mAP提高了12.2％,基本符合实际应用检测的精度要求.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	胡贵桂	浙江科技学院自动化与电气工程学院	1	0	0.0	0.0