基于YOLOv3的自动驾驶中运动目标检测

被引：44

作者：

李云鹏

侯凌燕

王超

机构：

[1] 北京信息科技大学计算机开放系统实验室

来源：

计算机工程与设计 | 2019年 / 40卷 / 04期

基金：

北京市自然科学基金;

关键词：

运动目标检测; 自动驾驶; YOLOv3; 深度学习; 卷积神经网络;

D O I：

10.16208/j.issn1000-7024.2019.04.038

中图分类号：

TP391.41 []; TP183 [人工神经网络与计算]; U463.6 [电气设备及附件];

学科分类号：

080203 ;

摘要：

针对自动驾驶场景下运动目标检测精度低、速度慢等问题,以YOLOv3为基础,设计更为合理的损失函数。使用K-means算法对数据集中的目标边框进行聚类,通过混合数据集进行训练,得到改进的运动目标检测模型。实验结果表明,该模型相较于当前主流目标检测模型在性能上有较大提升,对于各种复杂交通场景下的运动目标均有良好的检测效果。该模型在测试集上的平均精度均值和检测速度分别达到了88.55%和35FPS,满足实时检测的要求。

引用

页码：1139 / 1144

页数：6