基于YOLOv3的自动驾驶中运动目标检测

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

• 0 引言
• 1 YOLOv3
• 2 相关工作
•   2.1 数据集
•   2.2 候选边框维度聚类
•   2.3 损失函数设计
• 3 实验与结果分析
•   3.1 实验环境
•   3.2 评价指标
•   3.3 实验结果分析
• 4 结束语

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