| 基于Darknet23和特征融合的交通標志檢測方法 | |
| 所屬分類：技術論文 | |
| 上傳者：aetmagazine | |
| 文檔大?。?span>4976 K | |
| 標簽： 交通標志檢測 雙向特征金字塔 Darknet23網絡 | |
| 所需積分：0分積分不夠怎么辦？ | |
| 文檔介紹：道路交通標志檢測是智能交通的重要環節之一，針對交通標志檢測存在背景復雜、目標較小、檢測速度慢等問題，選取工業界青睞的YOLOv3模型提出一種改進的檢測方法。利用雙向特征金字塔結構實現圖像低、中、高層特征語意信息的雙向融合，提升低層預測目標的分類和高層預測目標的定位能力；將原模型的主干特征提取網絡進行改進，提出Darknet23網絡，以提高網絡的提取能力和減少計算量；根據目標形狀的特點，使用K-means聚類算法得到用于訓練合適的錨點框，并在邊框回歸中引入靈活性更強的L_(α-CIOU)損失函數，使網絡朝著預測框與真實框重疊度較高的方向去優化。實驗結果表明，該方法在CCTSDB數據集上mAP@0.75達到86.10%、mAP@0.5：0.05：0.95達到70.017%，相比原網絡分別提升10.17％和5.656％，參數量減少3 622 091，速度提升8.27 f/s，且優于SSD和Faster RCNN等主流的檢測網絡。 | |
| 現在下載 | |
| 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 華北計算機系統工程研究所版權所有 京ICP備10017138號-2