avatar avatar 我的文献 基于改进YOLOv2模型的多车辆目标识别方法 单位 西安工程大学电子信息学院; 西安计量技术研究院 期刊 激光与光电子学进展 时间 关键词 智能交通; 多目标识别; YOLOv2; 深度学习
摘要
针对道路车辆多目标检测和车型分类的传统方法检测率较低、鲁棒性差且分类效果不理想的问题,提出了一种基于改进YOLOv2模型的多车辆目标识别方法。在YOLO v2算法基础上,根据实际道路环境的变化对YOLOv2-voc的网络结构进行改进,基于ImageNet数据集和微调技术得到分类训练网络模型,根据训练结果与车辆目标特征的分析,对算法参数进行修改,获得改进的车型识别分类网络结构YOLOv2-voc_mul。为验证检测方法的有效性,分别使用简单背景和复杂背景下的样本,并与YOLOv2、YOLOv2-voc和YOLOv3模型在迭代70000次后进行了对比。实验表明:在简单背景下,改进的YOLOv2-voc_mul模型的精度可达99.2%,不同车型的mAP(mean Average Precision)达到了89.03%;在复杂背景下,改进的YOLOv2-voc_mul模型对4种不同车型在单目标和多目标的检测下平均准确率达到了92.21%和89.44%,具有较高的精确度、较小的误检率和良好的鲁棒性。
下载 浏览 cnki {{liketext}}
©2020 - iData {{ message }} 关闭