-
题名基于YOLOv3的雾天场景行人车辆检测方法研究
被引量：1
- 1
-
-
作者
王启明
何梓林
张栋林
毛作龙
-
机构
上海理工大学机械工程学院
上汽集团创新研究开发总院智能驾驶中心
-
出处
《控制工程》
CSCD
北大核心
2024年第3期510-517,共8页
-
基金
国家自然科学基金面上项目(51575232)
上海市科委青年科技英才扬帆计划资助项目(19YF1434600)。
-
文摘
针对智能驾驶中动态目标检测易受雾天等恶劣天气影响,以及原始YOLOv3目标检测算法应用于行人车辆检测时精度低、定位准确率低及漏检率高等问题,提出一种基于改进YOLOv3和数据增强的雾天行人车辆检测方法。首先,以Cityscapes数据集为基础,通过大气散射模型及清晰图片的深度信息人工生成3种浓度的FoggyCityscapes,用以扩充样本数量。其次,通过改进K-means聚类算法生成适用于检测车辆与行人的先验框,同时,使用软非极大值抑制(softnon-maximumsuppression,Soft-NMS)优化对重叠目标的检测,进一步提高模型检测精度。实验结果表明,相较于原模型,该方法在3种浓度的FoggyCityscapes数据集上的平均精度均值(meanaverageprecision,m AP)分别提高了7.73%、13.22%和21.51%,能够快速准确地检测雾天场景的行人和车辆目标。
-
关键词
目标检测
深度学习
数据增强
YOLO
雾天成像
-
Keywords
Target detection
deep learning
data augmentation
YOLO
fog imaging
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
