基于深度卷积网络的工程车辆检测算法

作者：浦东; 陈瑞; 孔小红; 石伟伟

来源：南京工程学院学报(自然科学版), 2021, 19(02): 13-19.

DOI：10.13960/j.issn.1672-2558.2021.02.003

• 车辆检测
• 卷积神经网络
• YOLO v3

为了解决传统的小尺度密集工程车辆检测算法存在检测速度慢、鲁棒性差、识别准确率低等问题,采用基于改进型YOLO v3的卷积神经网络工程车辆检测算法,使用目标框与真实框交并比作为损失函数替代聚类算法中的欧式距离,同时结合工程车辆检测时标注真实框的特点,对候选框进行聚类;改进评估模型的损失函数,构建适合小尺度密集车辆的网络结构.在自制数据集上进行试验,结果表明,该方法对小尺度密集工程车辆的检测精度明显提高,准确率能够达到81.1%,召回率能达到95.9%.

• 单位
  南京工程学院