基于改进 YOLOv3 的道路目标检测

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

江汉大学学报（自然科学版） ›› 2023, Vol. 51 ›› Issue (1): 89-96.doi: 10.16389/j.cnki.cn42-1737/n.2023.01.011

• 计算机科学 • 上一篇

基于改进 YOLOv3 的道路目标检测

朱仕宁，胡晓斌，彭太乐^*

淮北师范大学计算机科学与技术学院，安徽淮北 235000

发布日期:2023-02-21
通讯作者: 彭太乐
作者简介:朱仕宁（1997— ），男，硕士生，研究方向：深度学习、目标检测。*通信作者：彭太乐（1974— ），男，教授，博士，研究方向：机器学习、图像处理、智能信息处理等。

Discussion on Present Situation and Patterns of Greening Under Viaducts in Wuhan City

ZHU Shining，HU Xiaobin，PENG Taile^*

School of Computer Science and Technology，Huaibei Normal University，Huaibei 235000，Anhui，China

Published:2023-02-21
Contact: PENG Taile

摘要/Abstract

摘要： 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。

关键词: 道路目标检测, YOLOv3, K-Means++

Abstract: Aiming at the problems of high missed detection rate and low detection accuracy of YOLOv3 in road target detection，this paper proposed a road target detection method based on improved YOLOv3. By increasing the three feature scales of the original YOLOv3 to four，the object accuracy for small targets was improved. Secondly，we used the CIoU loss function to improve the model's accuracy and the K-Means++ clustering algorithm to recluster the road targets to get new candidate boxes. This paper verified the effect of the improved YOLOv3 algorithm on the BDD100K data set. The experimental results showed that the improved YOLOv3 algorithm had achieved good detection results in reducing the missed detection rate and improving the detection accuracy.

Key words: road target detection, YOLOv3, K-Means++

中图分类号:

TP391

朱仕宁，胡晓斌，彭太乐. 基于改进 YOLOv3 的道路目标检测[J]. 江汉大学学报（自然科学版）, 2023, 51(1): 89-96.

ZHU Shining，HU Xiaobin，PENG Taile. Discussion on Present Situation and Patterns of Greening Under Viaducts in Wuhan City[J]. Journal of Jianghan University (Natural Science Edition), 2023, 51(1): 89-96.

[1]	魏光杏，周献中，李华. 基于最大熵的进化区域生长分割算法[J]. 江汉大学学报（自然科学版）, 2020, 48(6): 78-83.
[2]	齐卉，孙超，苏通，马俊智，朱勇杰，丁建军. 基于MATLAB 的图像去雾技术研究[J]. 江汉大学学报（自然科学版）, 2020, 48(6): 84-90.
[3]	韩海. 包含视野参数的聚类目标函数设计[J]. 江汉大学学报（自然科学版）, 2020, 48(6): 91-96.
[4]	徐迅，陶俊，吴瑰. 基于卷积神经网络的带遮蔽人脸识别[J]. 江汉大学学报（自然科学版）, 2019, 47(3): 246-251.
[5]	刘霞，李楠. 基于混合遗传算法的轨道交通接驳公交线路的设计[J]. 江汉大学学报（自然科学版）, 2018, 46(6): 504-512.
[6]	陆焱，胡玉荣. 一种基于NSST 的图像去噪算法[J]. 江汉大学学报（自然科学版）, 2018, 46(6): 513-521.
[7]	张喜红，王玉香. 基于Scrapy 的中药材网络信息采集方法研究[J]. 江汉大学学报（自然科学版）, 2018, 46(6): 522-527.
[8]	吴鹏飞，常君明. 基于计算机视觉的标签定位检测[J]. 江汉大学学报（自然科学版）, 2018, 46(4): 325-330.
[9]	王哲，贲亚琍. 模拟分析EcClC通道蛋白二聚体分离的微观变化[J]. 江汉大学学报（自然科学版）, 2018, 46(3): 251-256.
[10]	陈红梅，赖重远，张洋，胡华桦，赵维胜. 基于深度数据的手势识别研究进展[J]. 江汉大学学报（自然科学版）, 2018, 46(2): 101-108.
[11]	王玉香，张喜红. 基于NFC标签的中药植物标本信息管理系统[J]. 江汉大学学报（自然科学版）, 2018, 46(2): 120-124.
[12]	陈旷. 计算机辅助翻译的核心模块和技术论析[J]. 江汉大学学报（自然科学版）, 2017, 45(3): 274-277.
[13]	吴超华，史晓亮，王玉伏，彭兆. 基于LAN和图像识别技术的金相互动实验平台研究[J]. 江汉大学学报（自然科学版）, 2017, 45(1): 55-61.
[14]	马朋. 基于MATLAB的直方图和区域对比度相结合的图像显著性检测[J]. 江汉大学学报（自然科学版）, 2017, 45(1): 62-67.
[15]	郑朝晖，鞠剑平. 基于短时灰预测的像素预测模型[J]. 江汉大学学报（自然科学版）, 2016, 44(6): 547-551.

基于改进 YOLOv3 的道路目标检测

Discussion on Present Situation and Patterns of Greening Under Viaducts in Wuhan City

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价