基于改进YOLOV3的道路目标检测

作者：周攀; 徐向荣^*; 朱永飞; 陶兆胜

来源：龙岩学院学报, 2021, 39(02): 21-30.

DOI：10.16813/j.cnki.cn35-1286/g4.2021.02.005

• 目标检测
• YOLOV3
• 特征提取
• 多尺度融合
• K-means

为解决当前道路目标检测中存在的实时性和精确性难以兼顾的问题,提出一种基于改进YOLOV3的道路目标检测方法。采用ResNext网络代替原YOLOV3结构中基于ResNet的残差结构,利用多分支网络提高结构的特征学习能力,对主体网络结构作出精简,最后采用K-means算法聚类分析模型的锚框参数。KITTI数据集上的实验结果表明:改进算法的mAP较原YOLOV3算法,检测精度提高1.92%,达到87.60%,检测速度达到75.32 fps,能够满足实时性的检测要求。

• 单位
  安徽工业大学