基于改进YOLOv3算法的车辆目标检测 |
| |
引用本文: | 霍爱清,杨玉艳,谢国坤.基于改进YOLOv3算法的车辆目标检测[J].计算机工程与设计,2022(7):1981-1989. |
| |
作者姓名: | 霍爱清 杨玉艳 谢国坤 |
| |
作者单位: | 1. 西安石油大学电子工程学院;2. 西安交通工程学院电气工程学院 |
| |
基金项目: | 陕西省科技厅工业攻关基金项目(2020GY-152); |
| |
摘 要: | 为有效解决车辆目标检测算法参数量大、计算成本高等问题,提出一种改进YOLOv3算法。利用深度可分离卷积和注意力机制重新设计主干特征提取网络结构,通过增大神经网络深度、拓宽特征提取层数实现更高层语义信息的提取,可获得更精细特征,减少模型参数量和计算量;引入CIOU回归优化损失函数,量化预测框与真实框中心点距离、重叠面积、尺度以及长宽比等评测指标,解决均方误差(MSE)损失优化方向不一致的问题,使目标框回归更加稳定。实验结果表明,该算法参数量为19.56M,比YOLOv3算法降低了近67%,同时平均精度均值(m AP)提高了3.68%,每秒帧数(FPS)提高了8帧,为车辆目标检测提供了容易部署在移动端的轻量级网络。
|
关 键 词: | 车辆检测 深度学习 YOLOv3算法 深度可分离卷积 CIOU损失 |
|
|