复杂场景下基于改进YOLOv3的车牌定位检测算法

• 作者: 马巧梅 王明俊 梁昊然
• 来源期刊: 计算机工程与应用
• 关键词: 目标检测 YOLOv3 复杂场景 车牌定位 CIoU Inception-SE结构
• 年，卷（期）: 2021,（7）
• 所属期刊栏目: 图形图像处理|Graphics and Image Processing
• 页码范围: 198-208
• 页数: 11页
• 分类号: TP391.41
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.2008-0137

摘要

针对在光照、多车辆和低分辨率等复杂场景下车牌定位困难、检测速度慢和精度低等问题,提出了一种改进YOLOv3的方法.采用K-means++方法对实例的标签信息进行聚类分析获取新的anchor尺寸,通过改进后的精简特征提取网络(DarkNet41)来提高模型的检测效率并降低计算消耗.此外,改进了多尺度特征融合,由3尺度预测增加至4尺度预测并在检测网络中加入了改进后的Inception-SE结构来提高检测的精度,选取了CIoU作为损失函数.预处理方面用MSR(Multi-Scale Retinex)算法对数据进行增强.实验分析表明,采用该算法mAP(均值平均精度)达到了98.84％,检测速度达到36.4帧/s,与YOLOv3模型以及其他算法相比具有更好的准确性和实时性.