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....
Saved in:
Published in | 通信学报 Vol. 45; no. 2; pp. 68 - 78 |
---|---|
Main Authors | , , , , , , |
Format | Journal Article |
Language | Chinese |
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 Access | Get full text |
ISSN | 1000-436X |
DOI | 10.11959/j.issn.1000-436x.2024046 |
Cover
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 |