基于改进YOLO v2的车辆实时检测算法

被引：6

作者：

卞山峰

张庆辉

机构：

[1] 河南工业大学信息科学与工程学院

来源：

电子质量 | 2019年 / 10期

关键词：

车辆实时检测; YOLO v2; Faster RCNN; 目标框维度聚类;

D O I：

暂无

中图分类号：

U463.6 [电气设备及附件]; TP391.41 [];

学科分类号：

080204 ; 082304 ; 080203 ;

摘要：

针对传统的车辆检测算法存在鲁棒性差、检测速度慢和准确率低等问题,提出基于改进YOLO v2模型的车辆实时检测算法。通过目标框维度聚类、网络结构改进以及输入图像多尺度变换等方法对YOLO v2算法进行改进,对比传统的Faster RCNN检测算法,改进的算法提升了检测速度和准确度,将帧速度提升到了45f/s,精确度提升到了97.21%,在车辆实时检测方面效果更好。

引用

页码：19 / 22

页数：4