在傳統(tǒng)的交通標志和車輛檢測中,需要針對不同場景選擇適合的特征,這意味著特征需要足夠的經(jīng)驗去設計,當數(shù)據(jù)量越來越大時特征設計就會越困難。因此提出一種端對端的網(wǎng)絡結構YOLOv3,通過人工預處理和后續(xù)處理,盡可能使模型從原始輸入到最終輸出,給模型更多可以根據(jù)數(shù)據(jù)自動調節(jié)的空間,增加模型的整體契合度。該模型通過對自然狀態(tài)下的路況圖像進行標注,并對數(shù)據(jù)集中的預選框位置和圖片大小進行預處理,改進YOLOv3算法中的損失函數(shù)實現(xiàn)了實時高精度地對交通標志和車輛的檢測。實驗表明,該算法的檢測精度可以達到71%,召回率達到94. 95%,FPS值為68. 2。 

【文章來源】：計算機應用研究. 2020,37(S1)北大核心CSCD

【文章頁數(shù)】：3 頁


本文編號：3465546