基于改进YOLOv3-SPP算法的道路车辆检测

TN92; 针对在城市道路场景下视觉检测车辆时,车辆密集和远处车辆呈现小尺度,导致出现检测精度低或者漏检的问题,提出了一种基于改进的YOLOv3-SPP算法,对激活函数进行优化,以DIOU-NMS Loss作为边界框损失函数,增强网络的表达能力.为提高所提算法对小目标和遮挡目标的特征提取能力,引入空洞卷积模块,增大目标的感受野.实验结果表明,所提算法在检测车辆目标时 mAP 提高了 1.79%,也有效减少了在检测紧密车辆目标时出现的漏检现象....

Full description

Saved in:
Bibliographic Details
Published in通信学报 Vol. 45; no. 2; pp. 68 - 78
Main Authors 王涛, 冯浩, 秘蓉新, 李林, 何振学, 傅奕茗, 吴姝
Format Journal Article
LanguageChinese
Published 北京信息科技大学信息与通信工程学院,北京 100101 25.02.2024
北京信息科技大学光电测试技术及仪器教育部重点实验室,北京 100192%国家计算机网络应急技术处理协调中心,北京 100029%河北农业大学河北省农业大数据重点实验室,河北 保定 071001
Subjects
Online AccessGet full text
ISSN1000-436X
DOI10.11959/j.issn.1000-436x.2024046

Cover

More Information
Summary:TN92; 针对在城市道路场景下视觉检测车辆时,车辆密集和远处车辆呈现小尺度,导致出现检测精度低或者漏检的问题,提出了一种基于改进的YOLOv3-SPP算法,对激活函数进行优化,以DIOU-NMS Loss作为边界框损失函数,增强网络的表达能力.为提高所提算法对小目标和遮挡目标的特征提取能力,引入空洞卷积模块,增大目标的感受野.实验结果表明,所提算法在检测车辆目标时 mAP 提高了 1.79%,也有效减少了在检测紧密车辆目标时出现的漏检现象.
ISSN:1000-436X
DOI:10.11959/j.issn.1000-436x.2024046