科研之友
微信
新浪微博
Facebook
分享链接
摘要
近些年，自动驾驶开始进入人们的视线。对于自动驾驶而言，模糊光线场景下的交通标志检测是其中极其重要的一部分。目前YOLO v4算法广泛用于目标检测，虽然它的检测精度相比于其他YOLO版本有着较大的提高，但是还没有达到预期的精度。为了进一步提高检测交通标志的精度，本文在原有YOLO v4的基础上作一定的改进并与MSRCR图像增强处理相结合。首先将作为训练的图片通过MSRCR算法达到图像增强的目的，并将其作为目标检测的训练集图像。使用Darknet-53的YOLO v4网络，通过labelImg标注BelgiumTS交通信号数据集，使用改进的K-means++聚类算法确定先验框和具体参数并且改进路径聚合网络（PANet）结构和损失函数，将数据集进行训练。实验结果表明，改进后的算法与原本的YOLO v4算法相比较，平均精度提高了1.86个百分点。
- 单位
