改进YOLOv3算法的车辆信息检测

摘要：

车辆信息检测是车型识别在智慧交通领域中的首要任务.针对现有的车辆信息检测技术在检测速度、精度以及稳定性方面存在的问题,提出了基于YOLOv3的深度学习目标检测算法——YOLOv3-fass.该算法以DarkNet-53网络结构为基础,删减了部分残差结构,降低了卷积层的通道数,添加了1条下采样支路和3个尺度跳连结构,增加了一个检测尺度,并通过K-均值聚类与手动调节相结合的方法计算出12组锚框值.最后通过迁移学习机制对YOLOv3-fass算法进行微调.在自研的车辆数据集上,YOLOv3-fass算法与YOLOv3、YOLOv3-tiny、YOLOv3-spp算法以及具有ResNet50和DenseNet201经典网络结构的算法做了对比实验,结果表明YOLOv3-fass算法能够更精准、高效、稳定地检测到车辆信息.

关键词：深度学习;YOLOv3算法;DarkNet-53网络结构;车辆信息检测;目标检测

所属期刊栏目：45

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家自然科学基金;辽宁省自然科学基金资助项目

在线出版日期：2022-01-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：71-79