基于Darknet23和特征融合的交通标志检测方法AET-电子技术应用-最丰富的电子设计资源平台

基于Darknet23和特征融合的交通标志检测方法
所属分类：技术论文
上传者：aetmagazine
文档大小：4976 K
标签：交通标志检测双向特征金字塔 Darknet23网络
所需积分：0分积分不够怎么办？
文档介绍：道路交通标志检测是智能交通的重要环节之一，针对交通标志检测存在背景复杂、目标较小、检测速度慢等问题，选取工业界青睐的YOLOv3模型提出一种改进的检测方法。利用双向特征金字塔结构实现图像低、中、高层特征语意信息的双向融合，提升低层预测目标的分类和高层预测目标的定位能力；将原模型的主干特征提取网络进行改进，提出Darknet23网络，以提高网络的提取能力和减少计算量；根据目标形状的特点，使用K-means聚类算法得到用于训练合适的锚点框，并在边框回归中引入灵活性更强的L_(α-CIOU)损失函数，使网络朝着预测框与真实框重叠度较高的方向去优化。实验结果表明，该方法在CCTSDB数据集上mAP@0.75达到86.10%、mAP@0.5：0.05：0.95达到70.017%，相比原网络分别提升10.17％和5.656％，参数量减少3 622 091，速度提升8.27 f/s，且优于SSD和Faster RCNN等主流的检测网络。
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