| 基于Darknet23和特征融合的交通标志检测方法 | |
| 所屬分類：技术论文 | |
| 上傳者：aetmagazine | |
| 文檔大小：4976 K | |
| 標簽： 交通标志检测 双向特征金字塔 Darknet23网络 | |
| 所需積分：0分積分不夠怎么辦？ | |
| 文檔介紹：道路交通标志检测是智能交通的重要环节之一，针对交通标志检测存在背景复杂、目标较小、检测速度慢等问题，选取工业界青睐的YOLOv3模型提出一种改进的检测方法。利用双向特征金字塔结构实现图像低、中、高层特征语意信息的双向融合，提升低层预测目标的分类和高层预测目标的定位能力；将原模型的主干特征提取网络进行改进，提出Darknet23网络，以提高网络的提取能力和减少计算量；根据目标形状的特点，使用K-means聚类算法得到用于训练合适的锚点框，并在边框回归中引入灵活性更强的L_(α-CIOU)损失函数，使网络朝着预测框与真实框重叠度较高的方向去优化。实验结果表明，该方法在CCTSDB数据集上mAP@0.75达到86.10%、mAP@0.5：0.05：0.95达到70.017%，相比原网络分别提升10.17％和5.656％，参数量减少3 622 091，速度提升8.27 f/s，且优于SSD和Faster RCNN等主流的检测网络。 | |
| 現(xiàn)在下載 | |
| VIP會員，AET專家下載不扣分；重復下載不扣分，本人上傳資源不扣分。 | |
Copyright ? 2005-2024 華北計算機系統(tǒng)工程研究所版權(quán)所有 京ICP備10017138號-2