| 基于Darknet23和特征融合的交通標(biāo)志檢測方法 | |
| 所屬分類：技術(shù)論文 | |
| 上傳者：aetmagazine | |
| 文檔大小：4976 K | |
| 標(biāo)簽： 交通標(biāo)志檢測 雙向特征金字塔 Darknet23網(wǎng)絡(luò) | |
| 所需積分：0分積分不夠怎么辦？ | |
| 文檔介紹：道路交通標(biāo)志檢測是智能交通的重要環(huán)節(jié)之一，針對交通標(biāo)志檢測存在背景復(fù)雜、目標(biāo)較小、檢測速度慢等問題，選取工業(yè)界青睞的YOLOv3模型提出一種改進的檢測方法。利用雙向特征金字塔結(jié)構(gòu)實現(xiàn)圖像低、中、高層特征語意信息的雙向融合，提升低層預(yù)測目標(biāo)的分類和高層預(yù)測目標(biāo)的定位能力；將原模型的主干特征提取網(wǎng)絡(luò)進行改進，提出Darknet23網(wǎng)絡(luò)，以提高網(wǎng)絡(luò)的提取能力和減少計算量；根據(jù)目標(biāo)形狀的特點，使用K-means聚類算法得到用于訓(xùn)練合適的錨點框，并在邊框回歸中引入靈活性更強的L_(α-CIOU)損失函數(shù)，使網(wǎng)絡(luò)朝著預(yù)測框與真實框重疊度較高的方向去優(yōu)化。實驗結(jié)果表明，該方法在CCTSDB數(shù)據(jù)集上mAP@0.75達(dá)到86.10%、mAP@0.5：0.05：0.95達(dá)到70.017%，相比原網(wǎng)絡(luò)分別提升10.17％和5.656％，參數(shù)量減少3 622 091，速度提升8.27 f/s，且優(yōu)于SSD和Faster RCNN等主流的檢測網(wǎng)絡(luò)。 | |
| 現(xiàn)在下載 | |
| VIP會員，AET專家下載不扣分；重復(fù)下載不扣分，本人上傳資源不扣分。 | |
交通標(biāo)志檢測 相關(guān)資源
Copyright ? 2005-2024 華北計算機系統(tǒng)工程研究所版權(quán)所有 京ICP備10017138號-2