基于改进YOLOv3的车辆识别方法

作者：王永顺; 贾文杰^*; 王晨飞; 宋慧

来源：激光与光电子学进展, 2021, 58(16): 240-247.

• 图像处理
• 车辆目标检测
• YOLOv3
• 空洞卷积
• 尺度检测
• 损失函数

针对车辆目标检测中存在的小目标检测准确率低、系统鲁棒性差的问题,提出一种改进的YOLOv3算法对车辆进行目标检测。首先,该算法将空洞卷积引入到YOLOv3算法的下采样层,提高特征图的分辨率,加强对小目标的检测效果;其次,针对车辆图像中小目标识别的问题,将YOLOv3的3个检测尺度增加至4个并相互融合不同尺度特征层的信息,改进后的空间金字塔结构实现了对小目标检测进行进一步增强的目标;最后,采用Complete IoU(CIoU)作为损失函数,使目标框回归更加稳定,并且训练中不会出现发散现象。在KITTI数据集上的测试结果表明,所提改进的YOLOv3算法能获得较高的检测精度,平均检测精确度提高了 4.6%,检测速度约为44.1 frame/s,在提高精度的前提下仍保持良好的检测速率。

• 单位
  兰州交通大学