10.16638/j.cnki.1671-7988.2020.05.035
改进的YOLOv3算法在道路环境目标检测中的应用
近年来,社会经济持续高速的发展,人均汽车占有量迅速增加.为了避免车辆追尾等事故发生,结合道路环境下目标检测的难点及要求,文章选择基于卷积神经网络的YOLOv3算法,并针对YOLOv3中使用的k-means聚类算法初始时随机选择质心这一不稳定性以及原本的darknet53网络层数较低导致精度不是很高的问题,引用k-means++聚类算法对k-means聚类算法进行优化,并将darknet53替换成特征提取能力更强的resnet101,进行算法优化.实验结果显示优化后的算法mAP提高了12.2%,基本符合实际应用检测的精度要求.
道路环境、目标检测、YOLOv3
TP301.6(计算技术、计算机技术)
2020-04-14(万方平台首次上网日期,不代表论文的发表时间)
共5页
117-121