控制与决策

作者：柳长源,王琪,毕晓君

单位：哈尔滨理工大学 电气与电子工程学院,哈尔滨 150080,,哈尔滨理工大学 电气与电子工程学院,哈尔滨 150080,,哈尔滨工程大学 信息与通信工程学院,哈尔滨 150001,

关键词：智能交通;深度学习;目标检测;YOLOv3;多尺度检测;轻量化网络

基金：国家自然科学基金项目(51779050)；黑龙江省自然科学基金项目(F2016022).

车辆目标检测是智能交通系统中的重要环节,针对传统车辆目标检测方法效率低、小目标检测效果不好、漏检率高等问题,提出一种基于改进的YOLOv3网络车辆目标检测算法.为了提高车辆检测的效率,利用轻量化模型MobileNetv2代替原YOLOv3中的特征提取网络,使得网络计算量相比原算法有所降低.为了有效提高网络对小尺度车辆目标的检测能力,网络将由高到低不同尺度的特征层融合之后进行目标检测.为了得到更丰富的语义特征信息和提高网络预测能力,增加了特征增强模块.同时针对车辆目标检测的特定应用,利用K-means方法对锚框重新聚类以满足车辆目标检测的特定需求.结合以上改进获得车辆目标检测网络YOLOv3-M2,实验结果表明,与YOLOv3相比,改进方法平均检测准确率增加约9%, 时间减少约一半,能够同时提高检测效率和小目标检测能力.

来源：2021年第11期

《控制与决策》期刊编辑部

查看控制与决策杂志2021年第11期