×

基于改进YOLOv3的行人车辆目标检测算法

消耗积分:0 | 格式:pdf | 大小:3.69 MB | 2021-05-31

分享资料个

  针对YOIO3( you only look once version3)对中小目标检测效果不理想的问题,提出改进算法DX-YOLO( denselyResnext with yolo3)。首先对YOO3的特征提取网络υ arket-53进行改进,使用 ReneⅪt残差模块替换原有残差模块,优化了卷积网络结构;受 Densener的启发,在υ arket-53中引入密集连接,实现了特征重用,提高了提取特征的效率;根据数据集的特点,利用K- means算法对数据集进行维度聚类,获得合适的预选框。在行人车辆教据集 Udacity上进行实验,结果表明ⅠX-YOLO算法与YOIO3相比,平均准确率( mean average precision,mAP)提升了3.42%;特别地,在中等目标和小目标上的平均精度( average precision,AP)分别提升了2.74%和5.98%。

声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉

评论(0)
发评论

下载排行榜

全部0条评论

快来发表一下你的评论吧 !