论文摘要
针对传统道路目标检测算法推荐窗口冗余、鲁棒性差、复杂度较高的问题,提出基于YOLOv2模型的道路目标检测改进算法。相较于传统的HOG+SVM目标检测算法,YOLO模型优势在于提升了检测速度及准确度,更适用于实时目标检测。比较YOLO V3与YOLO V2算法,前者在构造神经网络模型时复杂度较高,故最终选择YOLO V2算法。针对原算法中选取Anchor Boxes时所采用的K-MEANS算法造成的目标物体框冗余问题,以及原算法对于不规则物体以及遮挡物体检测效果较差等问题,提出基于YOLO V2模型的一种改进方法,将K-MEANS算法改进为一种DA-DBSCAN算法,通过动态调整参数的方式大大减少了锚点框冗余问题。实验表明,改进后的模型准确率达到96.76%,召回率达到96.73%,检测帧数达到37帧/s,能够满足实时性要求。
论文目录
文章来源
类型: 期刊论文
作者: 宋建国,吴岳
关键词: 目标检测算法,鲁棒性,深度学习,不规则,锚点框
来源: 软件导刊 2019年12期
年度: 2019
分类: 信息科技
专业: 计算机软件及计算机应用
单位: 山东科技大学计算机科学与工程学院
分类号: TP391.41
页码: 126-129
总页数: 4
文件大小: 2310K
下载量: 290