复杂气象条件下的交通场景目标检测算法研究

• 作者: 李轩 李静 王海燕
• 来源期刊: 计算机仿真
• 关键词: 深度学习 残差模块 密集模块 空洞卷积
• 年，卷（期）: 2021,（2）
• 所属期刊栏目: 交通体系与工具仿真
• 页码范围: 87-90,105
• 页数: 5页
• 分类号: TP391
• 语种: 中文
• DOI: 10.3969/j.issn.1006-9348.2021.02.020

摘要

针对复杂条件下交通场景目标检测虚警和漏检问题,提出一种基于YOLOv3的快速检测算法.首先利用kmeans算法聚类出适合该数据集的合理的anchors坐标;其次在YOLOv3框架基础上使用密集模块代替残差网络,加强特征的传播和复用,并进行多尺度融合;将普通卷积替换为空洞卷积,在不改变网络层数和计算量的基础上增大感受野.另外针对质量不佳的图片利用暗通道去雾算法对图片进行增强处理.经过试验证明,经过改进的YOLOv3算法在数据集上准确率和召回率均有明显提升,具有很强的通用性和鲁棒性,且参数数量明显减少.