改进YOLOv3的非机动车检测与识别方法

• 作者: 叶佳林 苏子毅 袁夏 赵春霞 马浩炎
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 非机动车检测 YOLOv3 特征融合 GIOU损失
• 年，卷（期）: 2021,（1）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 194-199
• 页数: 6页
• 分类号: TP391.41
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.2005-0343

摘要

随着交管部门对非机动车监管力度的增强,在道路交通监控视频中检测和识别非机动车将逐渐成为电子交警系统的必备功能.由于非机动车密度大,容易互相遮挡,且在监控视频中所占面积往往较小,容易出现检测定位不准确和漏检等问题.针对非机动车检测定位不准确和漏检问题,基于YOLOv3,提出一种改进的非机动车检测与识别模型,通过设计新的特征融合结构降低非机动车漏检率,使用GIOU损失提高定位准确度.实验结果表明,所提出的改进模型在自建真实复杂场景非机动车数据集上取得了优于YOLOv3的检测结果,将检测的平均检测准确率(mAP)提高了3.6％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	赵春霞		177	2193	25.0	36.0
2	袁夏		14	165	8.0	12.0
3	叶佳林		1	0	0.0	0.0
4	苏子毅		1	0	0.0	0.0
5	马浩炎		1	0	0.0	0.0