基于Darknet23和特征融合的交通標(biāo)志檢測方法
所屬分類：技術(shù)論文
上傳者：aetmagazine
文檔大?。?span>4976 K
標(biāo)簽： 交通標(biāo)志檢測 雙向特征金字塔 Darknet23網(wǎng)絡(luò)
所需積分：0分積分不夠怎么辦,？
文檔介紹：道路交通標(biāo)志檢測是智能交通的重要環(huán)節(jié)之一,，針對交通標(biāo)志檢測存在背景復(fù)雜,、目標(biāo)較小,、檢測速度慢等問題,，選取工業(yè)界青睞的YOLOv3模型提出一種改進(jìn)的檢測方法,。利用雙向特征金字塔結(jié)構(gòu)實現(xiàn)圖像低,、中,、高層特征語意信息的雙向融合，提升低層預(yù)測目標(biāo)的分類和高層預(yù)測目標(biāo)的定位能力,；將原模型的主干特征提取網(wǎng)絡(luò)進(jìn)行改進(jìn),，提出Darknet23網(wǎng)絡(luò)，以提高網(wǎng)絡(luò)的提取能力和減少計算量,；根據(jù)目標(biāo)形狀的特點,，使用K-means聚類算法得到用于訓(xùn)練合適的錨點框,，并在邊框回歸中引入靈活性更強(qiáng)的L_(α-CIOU)損失函數(shù)，使網(wǎng)絡(luò)朝著預(yù)測框與真實框重疊度較高的方向去優(yōu)化,。實驗結(jié)果表明,，該方法在CCTSDB數(shù)據(jù)集上[email protected]達(dá)到86.10%、[email protected]：0.05：0.95達(dá)到70.017%,，相比原網(wǎng)絡(luò)分別提升10.17％和5.656％,，參數(shù)量減少3 622 091，速度提升8.27 f/s,，且優(yōu)于SSD和Faster RCNN等主流的檢測網(wǎng)絡(luò),。
現(xiàn)在下載
VIP會員，AET專家下載不扣分,；重復(fù)下載不扣分,，本人上傳資源不扣分。