| 基于YOLOv2的复杂场景下车辆目标检测 |
| |
| 引用本文： | 王超,侯凌燕,李云鹏. 基于YOLOv2的复杂场景下车辆目标检测[J]. 电视技术, 2018, 0(5): 100-106. DOI: 10.16280/j.videoe.2018.05.023 |
| |
| 作者姓名： | 王超 侯凌燕 李云鹏 |
| |
| 作者单位： | 北京信息科技大学计算机开放系统实验室,北京,100101 |
| |
| 基金项目： | 北京市自然科学基金(4174091)，北京市教委面上项目(KM201711232013)，北京市自然科学基金资助项目(Z160002) |
| |
| 摘 要： | 车辆目标检测是自动驾驶中的一个重要环节.针对复杂场景下的车辆目标检测模型检测速度慢,检测精度和召回率低等问题,以YOLOv2网络为基础,使用K-means算法对自制驾驶员视角下的车辆数据集中目标边框进行聚类,改进网络中卷积层的激活函数,加载预训练模型,多尺寸图像训练,最终得到改进的车辆目标检测模型.实验表明,相对于传统的车辆检测模型,本文方法可以在保证检测速度的情况下,尽可能多地检测出更多车辆目标且精度较高.最终在测试集上的mAP和recall达到了84.93％和83.07％,FPS达到了66.
|
| 关 键 词： | 车辆检测 YOLOv2 深度学习 自动驾驶 |
Vehicle object detection in complex scene based on YOLOv2 |
| |
| WANG Chao,HOU Lingyan,LI Yunpeng. Vehicle object detection in complex scene based on YOLOv2[J]. Ideo Engineering, 2018, 0(5): 100-106. DOI: 10.16280/j.videoe.2018.05.023 |
| |
| Authors: | WANG Chao HOU Lingyan LI Yunpeng |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 万方数据 等数据库收录！ |
|
