科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对在自然交通场景中道路不同种类目标的边界框大小差异巨大,现有实时算法YOLOv3无法很好地平衡大、小目标的检测精度等问题,重新设计了YOLOv3目标检测算法的特征融合模块,进行多尺度特征拼接,对检测模块进行改进设计,新增2个面向小目标的特征输出模块,得到一种新的具有5个检测尺度的道路目标多尺度检测方法YOLOv35d.结果表明:改进后的YOLOv35d算法在通用自动驾驶数据集BDD100K上的检测平均精度为0.580 9,相较于原始YOLOv3的检测平均精度提高了0.082 0,检测速度为45.4帧·s-1,满足实时性要求.
-
单位上海汽车集团股份有限公司; 江苏大学
