基于改进YOLOv4的自动驾驶场景车辆检测

作者：陈艳菲; 晏彰琛; 周超; 黄钰量

来源：自动化与仪表, 2023, 38(01): 59-85.

DOI：10.19557/j.cnki.1001-9944.2023.01.013

• 车辆检测
• 小目标检测
• YOLOv4
• EIoU

针对自动驾驶场景，现有车辆检测算法对小目标车辆检测效果不好，导致车辆检测精度不高的问题，该文提出改进YOLOv4算法。首先增加小目标检测层，降低小目标车辆的漏检率；然后使用EIoU(efficient intersection over union)损失函数替换CIoU(complete intersection over union)损失函数，降低算法的边界框回归损失，提高算法的检测精度。在数据预处理阶段采用Mosaic数据增强的方法提高小目标车辆的训练效果，以及使用K-Means聚类算法选出更合适的检测锚框。在KITTI数据集上实验，改进算法平均检测精度为95.84%，检测速度为37.12帧/s，相比YOLOv4算法，平均检测精度提高2.84%。实验结果表明，改进YOLOv4算法达到了提高车辆检测效果的目的。

• 单位
  武汉工程大学