基于YOLO改进残差网络结构的车辆检测方法AET-电子技术应用-最丰富的电子设计资源平台

基于YOLO改进残差网络结构的车辆检测方法
所属分类：技术论文
上传者：aetmagazine
文档大小：714 K
标签：目标检测 YOLO 残差网络
所需积分：0分积分不够怎么办？
文档介绍：针对车辆检测任务，设计更高效、精确的网络模型是行业研究的热点，深层网络模型具有比浅层网络模型更好的特征提取能力，但构建深层网络模型时将导致梯度消失、模型过拟合等问题，应用残差网络结构可以缓解此类问题。基于YOLO算法，改进残差网络结构，加深网络层数，设计了一种含有68个卷积层的卷积神经网络模型，同时对输入图像进行预处理，保证目标在图像上不变形失真，最后在自定义的车辆数据集上对模型进行训练与测试，并将实验结果与YOLOV3模型进行对比，实验表明，本文设计的模型检测精准度(AP)达90.63%，较YOLOV3提高了4.6%。
现在下载
VIP会员，AET专家下载不扣分；重复下载不扣分，本人上传资源不扣分。

活动