10.16208/j.issn1000-7024.2019.05.047
结合多尺度特征的改进YOLOv2车辆实时检测算法
为解决车辆目标检测过程中较小车辆及被遮挡车辆容易被漏检、错检的问题,基于深度学习先进算法YOLOv2,提出一种结合多尺度特征的改进车辆目标实时检测方法.通过融合多尺度特征层信息建立额外检测特征层对大小不同的车辆进行检测;构建自适应损失函数作为置信度目标函数解决正负样本数量不平衡问题,提高置信度预测准确性;开发一种新的难样本生成方法对网络进行训练,减小错检发生的概率.实验结果表明,该方法在运行速度满足实时检测要求的情况下,能显著降低车辆目标漏检、错检率,平均准确率提高9%以上.
无人驾驶系统、车辆目标、实时检测、深度学习、难样本生成
40
TP391(计算技术、计算机技术)
国家自然科学基金项目61403140
2019-08-02(万方平台首次上网日期,不代表论文的发表时间)
共8页
1457-1463,1476