改进YOLOv3的全景交通监控目标检测

• 作者: 孔方方 宋蓓蓓
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 目标检测 全景交通监控 K-means 特征融合 卷积神经网络
• 年，卷（期）: 2020,（8）
• 所属期刊栏目: 热点与综述
• 页码范围: 20-25
• 页数: 6页
• 分类号: TP391.4
• 字数: 3803字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1907-0153

摘要

针对城市交通场景复杂、车辆及行人等目标多且尺度变化大等特点,提出一种改进的YOLOv3全景交通监控多目标检测方法.以YOLOv3网络为基础,兼顾大小尺度目标特性设计4个检测尺度,并进行多尺度特征融合处理.利用K-means聚类方法对数据集中的标注目标框进行聚类分析,选取优化的聚类锚点框宽高维度作为改进YOLOv3网络的初始候选框.全景交通监控检测目标包括大型汽车、小型汽车、骑行摩托车、骑行自行车和行人5类.在测试集上目标检测平均精度和召回率分别达到84.49％和97.18％,较原始YOLOv3分别提高了7.76％和4.89％,处理速度可满足交通场景下实时性检测要求.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	宋蓓蓓	长安大学信息工程学院	7	36	3.0	6.0
2	孔方方	长安大学信息工程学院	1	1	1.0	1.0