10.16208/j.issn1000-7024.2019.04.038
基于YOLOv3的自动驾驶中运动目标检测
针对自动驾驶场景下运动目标检测精度低、速度慢等问题,以YOLOv3为基础,设计更为合理的损失函数.使用K-means算法对数据集中的目标边框进行聚类,通过混合数据集进行训练,得到改进的运动目标检测模型.实验结果表明,该模型相较于当前主流目标检测模型在性能上有较大提升,对于各种复杂交通场景下的运动目标均有良好的检测效果.该模型在测试集上的平均精度均值和检测速度分别达到了88.55%和35 FPS,满足实时检测的要求.
运动目标检测、自动驾驶、YOLOv3、深度学习、卷积神经网络
40
TP391.4(计算技术、计算机技术)
北京市自然科学基金项目4174091;北京市教委面上基金项目KM201711232013;北京市自然科学基金项目Z160002
2019-06-27(万方平台首次上网日期,不代表论文的发表时间)
共6页
1139-1144