基于改进tiny-YOLOv3的车辆检测方法

摘要：

针对复杂道路环境下前方车辆检测识别率低、实时性差的问题,提出一种基于改进tiny-YOLOv3的前方车辆检测算法.以tiny-YOLOv3为基础,利用Inception模块改进特征提取网络,增加网络宽度,提升网络特征提取能力;将ti-ny-YOLOv3的两个尺度检测增加至三个,融合上下文特征信息;利用K-means聚类方法确定目标候选框个数和尺寸,进行多尺度训练得到最优检测模型.基于KITTI数据集验证检测模型,结果表明,在保证实时性的基础上,改进算法的平均精度为89.66％,比tiny-YOLOv3提高了5.75％.

关键词：车辆检测;YOLO;K-means;Inception;卷积神经网络

所属期刊栏目：49

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家自然科学基金项目编号:51675324

在线出版日期：2021-09-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：1549-1554