江苏大学学报(自然科学版)

作者：郁强，王宽，王海

单位：1. 上海汽车集团股份有限公司商用车技术中心， 上海 200438； 2. 江苏大学 汽车与交通工程学院， 江苏 镇江 212013

关键词：道路多目标检测, 卷积神经网络,深度学习,YOLOv3,多尺度检测

基金： 江苏省重点研发计划项目（BE2019010-2）； 镇江市重点研发计划项目(GY2017006)

 针对在自然交通场景中道路不同种类目标的边界框大小差异巨大，现有实时算法YOLOv3无法很好地平衡大、小目标的检测精度等问题,重新设计了YOLOv3目标检测算法的特征融合模块，进行多尺度特征拼接，对检测模块进行改进设计，新增2个面向小目标的特征输出模块，得到一种新的具有5个检测尺度的道路目标多尺度检测方法YOLOv3_5d.结果表明：改进后的YOLOv3_5d算法在通用自动驾驶数据集BDD100K上的检测平均精度为0.580 9，相较于原始YOLOv3的检测平均精度提高了0.082 0，检测速度为45.4帧·s-1，满足实时性要求.

来源：2021年第6期

《江苏大学学报(自然科学版)》期刊编辑部

查看江苏大学学报(自然科学版)杂志2021年第6期