论文摘要
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。
论文目录
文章来源
类型: 期刊论文
作者: 李云鹏,侯凌燕,王超
关键词: 运动目标检测,自动驾驶,深度学习,卷积神经网络
来源: 计算机工程与设计 2019年04期
年度: 2019
分类: 信息科技,工程科技Ⅱ辑
专业: 汽车工业,计算机软件及计算机应用,自动化技术
单位: 北京信息科技大学计算机开放系统实验室
基金: 北京市自然科学基金项目(4174091),北京市自然科学基金项目(Z160002)北京市教委面上基金项目(KM201711232013)
分类号: TP391.41;TP183;U463.6
DOI: 10.16208/j.issn1000-7024.2019.04.038
页码: 1139-1144
总页数: 6
文件大小: 3088K
下载量: 2028