在傳統(tǒng)的交通標(biāo)志和車輛檢測(cè)中,需要針對(duì)不同場(chǎng)景選擇適合的特征,這意味著特征需要足夠的經(jīng)驗(yàn)去設(shè)計(jì),當(dāng)數(shù)據(jù)量越來(lái)越大時(shí)特征設(shè)計(jì)就會(huì)越困難。因此提出一種端對(duì)端的網(wǎng)絡(luò)結(jié)構(gòu)YOLOv3,通過人工預(yù)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(dòng)調(diào)節(jié)的空間,增加模型的整體契合度。該模型通過對(duì)自然狀態(tài)下的路況圖像進(jìn)行標(biāo)注,并對(duì)數(shù)據(jù)集中的預(yù)選框位置和圖片大小進(jìn)行預(yù)處理,改進(jìn)YOLOv3算法中的損失函數(shù)實(shí)現(xiàn)了實(shí)時(shí)高精度地對(duì)交通標(biāo)志和車輛的檢測(cè)。實(shí)驗(yàn)表明,該算法的檢測(cè)精度可以達(dá)到71%,召回率達(dá)到94. 95%,FPS值為68. 2。 

【文章來(lái)源】：計(jì)算機(jī)應(yīng)用研究. 2020,37(S1)北大核心CSCD

【文章頁(yè)數(shù)】：3 頁(yè)


本文編號(hào)：3465546