基于改进tiny-YOLOv3的车辆检测方法
王硕
王孝兰
王岩松
马明辉
窦雪婷
上海工程技术大学机械与汽车工程学院 上海 201620
摘要：针对复杂道路环境下前方车辆检测识别率低、实时性差的问题,提出一种基于改进tiny-YOLOv3的前方车辆检测算法.以tiny-YOLOv3为基础,利用Inception模块改进特征提取网络,增加网络宽度,提升网络特征提取能力;将ti-ny-YOLOv3的两个尺度检测增加至三个,融合上下文特征信息;利用K-means聚类方法确定目标候选框个数和尺寸,进行多尺度训练得到最优检测模型.基于KITTI数据集验证检测模型,结果表明,在保证实时性的基础上,改进算法的平均精度为89.66％,比tiny-YOLOv3提高了5.75％.
关键词：车辆检测YOLOK-meansInception卷积神经网络
分类号：TP391.41(计算技术、计算机技术)
资助基金：国家自然科学基金(51675324)
论文发表日期：2021-08-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：6( 1549-1554 )
英文信息