10.3969/j.issn.1002-2279.2022.01.010
基于改进YOLOv3的复杂环境下交通标志检测
针对深度学习算法中目标检测网络模型在复杂环境下识别交通标志的难点,对YOLOv3模型迁移学习算法的基本特点展开研究,构建并划分了复杂环境下中国交通标志数据集,并通过引入特征尺度的概念进一步改进YOLOv3算法,使数据集能够更好地处理各种复杂环境带来的影响.通过对比实验,证明改进后的YOLOv3算法对复杂环境下交通标志检测的效果明显优于标准YOLOv3算法及SSD算法,获得了更高的检测精度和更短的检测时间.
交通标志识别;数据集;改进YOLOv3模型
43
TP391.4(计算技术、计算机技术)
2022-03-11(万方平台首次上网日期,不代表论文的发表时间)
共4页
39-42