基于YOLO v2模型的交通标识检测算法
针对机器视觉对驾驶员视角的道路交通标识进行识别时无法同时满足准确率与实时性要求的问题,提出采用深度学习YOLO v2模型的方法.该方法将目标检测看作回归问题,首先将图像划分为网格,然后预测每个网格区域上的边界框和交通标识类别概率,最后通过非极大值抑制获得交通标识的类别和位置,将特征提取与分类集成在同一个神经网络运算过程中以提升实时性和鲁棒性.实验中,YOLO v2模型在交通标识检测数据集上的准确率为80.1%,检测速度达到40帧/s,相比Faster RCNN,准确率提高5%,检测用时缩短65%;相比SSD算法,准确率提高1%,检测用时缩短20%.结果表明,YOLO v2模型可以满足交通路况的实时性要求.
自动驾驶、深度学习、You Only Look Once模型、交通标识检测
38
TP311(计算技术、计算机技术)
北京市自然科学基金资助项目4174091;北京市教委面上项目KM201711232013;北京市自然科学基金重点研究专题项目Z16002
2019-01-25(万方平台首次上网日期,不代表论文的发表时间)
共3页
276-278