针对弱光照条件下交通标志易发生漏检和定位不准的问题,本文提出了增强YOLOv3(You only look once)检测算法,一种实时自适应图像增强与优化YOLOv3网络结合的交通标志检测与识别方法.首先构建了大型复杂光照中国交通标志数据集;然后针对...针对弱光照条件下交通标志易发生漏检和定位不准的问题,本文提出了增强YOLOv3(You only look once)检测算法,一种实时自适应图像增强与优化YOLOv3网络结合的交通标志检测与识别方法.首先构建了大型复杂光照中国交通标志数据集;然后针对复杂的弱光照图像提出自适应增强算法,通过调整图像亮度和对比度强化交通标志与背景之间的差异;最后采用YOLOv3网络框架检测交通标志.为了降低先验锚点框设置精度以及图像中背景与前景比例严重失衡对检测精度造成的影响,优化了先验锚点框聚类算法和网络的损失函数.对比实验结果表明,在实时性大致相当的情况下,本文提出的增强YOLOv3检测算法较标准YOLOv3算法对交通标志有更高的回归精度和置信度,召回率和准确率分别提高0.96%和0.48%.展开更多
文摘针对弱光照条件下交通标志易发生漏检和定位不准的问题,本文提出了增强YOLOv3(You only look once)检测算法,一种实时自适应图像增强与优化YOLOv3网络结合的交通标志检测与识别方法.首先构建了大型复杂光照中国交通标志数据集;然后针对复杂的弱光照图像提出自适应增强算法,通过调整图像亮度和对比度强化交通标志与背景之间的差异;最后采用YOLOv3网络框架检测交通标志.为了降低先验锚点框设置精度以及图像中背景与前景比例严重失衡对检测精度造成的影响,优化了先验锚点框聚类算法和网络的损失函数.对比实验结果表明,在实时性大致相当的情况下,本文提出的增强YOLOv3检测算法较标准YOLOv3算法对交通标志有更高的回归精度和置信度,召回率和准确率分别提高0.96%和0.48%.
