摘要

针对传统车辆检测算法效率低、漏检率高、对小目标车辆检测效果不好等问题,提出一种改进的YOLOv3车辆检测算法。使用K-means++对训练标签进行聚类,确定车辆检测的anchor box;将特征提取能力更强的EfficientNet作为特征网络,并采用4个特征尺度融合深层的语义信息和浅层的位置信息,提升小尺度车辆的检测效率;引入CIoU和Focal loss函数,提高了网络收敛速度和检测精度。实验结果表明,在UA-DETRAC和自建的数据集上,所提算法的MAP、Recall和FPS分别达到90.9%、88.3%和30帧每秒,提升了小目标车辆的检测精度。