复杂气象条件下的交通场景目标检测算法研究

摘要：

针对复杂条件下交通场景目标检测虚警和漏检问题,提出一种基于YOLOv3的快速检测算法.首先利用kmeans算法聚类出适合该数据集的合理的anchors坐标;其次在YOLOv3框架基础上使用密集模块代替残差网络,加强特征的传播和复用,并进行多尺度融合;将普通卷积替换为空洞卷积,在不改变网络层数和计算量的基础上增大感受野.另外针对质量不佳的图片利用暗通道去雾算法对图片进行增强处理.经过试验证明,经过改进的YOLOv3算法在数据集上准确率和召回率均有明显提升,具有很强的通用性和鲁棒性,且参数数量明显减少.

关键词：深度学习、残差模块、密集模块、空洞卷积

所属期刊栏目：38

分类号：TP391(计算技术、计算机技术)

资助基金：基于DBN的机载海量多源侦察数据情报提取深度学习技术研究、辽宁省教育厅系列项目L201715

在线出版日期：2021-03-31（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：87-90,105