基于改进YOLOv3的道路目标检测

作者：朱仕宁; 胡晓斌; 彭太乐^*

来源：江汉大学学报(自然科学版), 2023, 51(01): 89-96.

DOI：10.16389/j.cnki.cn42-1737/n.2023.01.011

• 道路目标检测
• YOLOv3
• K-Means++

针对YOLOv3在道路目标检测中漏检率高和检测精度低的问题，提出一种基于改进YOLOv3的道路目标检测方法 。通过将原有YOLOv3的3个特征尺度增至4个，从而提升了对于小目标的检测准确率。使用CIoU损失函数提高模型的准确性，利用K-Means++聚类算法对道路目标重新聚类，得到新的候选框。在BDD100K数据集上的验证结果 表明，改进的YOLOv3算法在降低漏检率和提高检测精度方面效果较好。

• 单位
  淮北师范大学