Vehicle-YOLO

摘要：

随着无人机技术的快速发展,航拍图像的车辆检测逐渐成为计算机视觉研究的热点.因为航拍位置较高,导致航拍图像中的小目标较多.针对小目标检测难问题,在YOLOv3模型的基础上进行优化,提出一种航拍视觉下的车辆检测模型(Vehicle-YOLO),通过采用原图下采样4倍、8倍和16倍特征,引入SPP模块和将原YOLOv3中的Convset模块改为残差连接的形式等优化机制来提升模型的目标检测性能.分别利用YOLOv3-tiny、YOLOv3和所提出的Vehicle-YOL O模型对航拍图像车辆进行检测,从模型检测精度上分析,YOLOv3-tiny、YOLOv3和Vehicle-YOLO检测精度分别为68.38％、75.45％和88.74％.所提出的Vehicle-YOLO模型较YOLOv3的精度高了 13.29％,较YOLOv3-tiny的精度高了 20.36％.在单张2080Ti 的 GPU 平台上,YOLOv3-tiny、YOLOv3 和 Vehicle-YOL O 检测速度分别为 113 FPS、42 FPS 和 39 FPS.可见,Vehi-cle-YOLO在精度和速度上取得了较好的平衡.

关键词：航拍图像、目标检测、车辆检测、Vehicle-YOLO

所属期刊栏目：39

分类号：TP301.6(计算技术、计算机技术)

在线出版日期：2023-10-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：134-137