基于改进YOLOv3 网络的非机动车检测

2021-12-01 05:26:24杨紫辉任洪娟
智能计算机与应用 2021年8期
关键词:特征提取特征检测

杨紫辉,江 磊,任洪娟

(上海工程技术大学 机械与汽车工程学院,上海 201620)

0 引言

近年来,自动驾驶技术和机动车驾驶辅助技术不断突破与升级,智能驾驶系统发展势头迅猛。在此基础上,路况信息的获取、识别便显得尤为重要,逐渐成为了智能驾驶系统研究应用的基础与关键,而非机动车的精准检测识别便是智能驾驶系统的重要组成部分[1-2]。

传统的目标检测方法是使用人工设计的图像特征来进行检测,如HOG 算子、SIFT 算子等,但由于真实场景复杂多样性,难以提取非机动车等目标特征,传统方法难以满足实际使用的需求。同时随着深度学习技术的不断发展,基于深度卷积神经网络的目标检测和目标跟踪算法被不断提出,如R-CNN(Region Convolutional Neural Network)、Fast-RCNN等,目标检测率得到了大大提升,基于深度卷积网络的目标检测已经成为了主流检测方法。在2015 年,Joseph Redmon 提出了YOLO(You Only Look Once)系列算法,极大地提升了算法检测的速度。

在驾驶场景中执行目标检测背景复杂,要测量的目标密集分布或重叠,摄像机的观看距离不固定,导致目标大小不同。特别是较小的目标,如非机动车、行人和交通标志,具有像素少、分辨率低、特征不明显的特点,YOLO 算法对该类目标的检测性能并不理想[3-4]。由此,本文基于改进优化的YOLOv3网络对非机动车进行检测,通过复制增加骨干网络得到特征提取辅助网络,由此提高整个特征提取网络的性能,并在辅助网络与骨干网络的特征信息融合时采用注意机制,重点对有效特征通道进行处理,抑制无效信息通道,提高网络的处理效率,经测试整个优化网络的性能和功能满足实际应用。……

登录APP查看全文

猜你喜欢
特征提取特征检测
如何表达“特征”
基于Gazebo仿真环境的ORB特征提取与比对的研究
电子制作(2019年15期)2019-08-27 01:12:00
不忠诚的四个特征
当代陕西(2019年10期)2019-06-03 10:12:04
一种基于LBP 特征提取和稀疏表示的肝病识别算法
小波变换在PCB缺陷检测中的应用
基于MED和循环域解调的多故障特征提取
线性代数的应用特征
河南科技(2014年23期)2014-02-27 14:19:15
Walsh变换在滚动轴承早期故障特征提取中的应用
轴承(2010年2期)2010-07-28 02:26:12