首页 | 本学科首页   官方微博 | 高级检索  
     

密集交通场景中改进YOLOv3目标检测优化算法
作者姓名:霍爱清  张书涵  杨玉艳  胥静蓉  王泽文
作者单位:西安石油大学电子工程学院
基金项目:陕西省科技厅工业攻关项目(2020GY-152);
摘    要:针对交通拥堵的车辆密集场景中检测目标重叠率高而导致漏检和误检的问题,提出了改进YOLOv3、CIoU损失函数优化以及SD-NMS优化算法(简记L-YOLOv3+CIoU Loss+SD-NMS)。利用深度可分离卷积、SE模块和Ghost模块改进YOLOv3的残差单元结构,以提高对密集目标的特征提取能力,减少网络模型参数量;采用完整交并比CIoU损失函数加快网络模型收敛速度,同时将多目标集合预测思想与DIoU-NMS有机结合,提出了SD-NMS优化算法,以降低漏检误检率。在BDD100K数据集上进行实验,结果表明,改进的目标检测算法召回率达到91.58%,精准率达到93.04%,与YOLOv3算法相比,召回率和精准率分别提升了12.09%和9.52%,具有更好的检测效果。

关 键 词:目标检测  深度学习  YOLOv3算法  CIoU损失  非极大值抑制
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号