基于函数改进的YOLOv3车辆检测与识别算法
YOLOv3算法在目标检测和识别方面具有检测精度高、速度快等优点，但其损失函数中高宽比部分的损失运算对大目标与小目标的区分不明显，导致损失计算结果精度较差，小目标预测框尺寸不准确。为此，对YOLOv3算法的损失函数进行了改进，将宽高坐标误差部分修改为与目标宽高真实值相关的形式，并将原模型的非极大值抑制函数中有重叠区域的检测框的分数由固定值改为衰减函数的形式，最后对改进模型进行了车辆检测实验。研究表明，改进模型在不影响车辆检测速度的同时，召回率R、精确率P、调和F1值和平均准确度mAP分别提高了0.1、0.105、0.103、0.021，改进模型的整体性能优于原YOLOv3模型。...
| Main Author: | |
|---|---|
| Format: | Article |
| Language: | zho |
| Published: |
POSTS&TELECOM PRESS Co., LTD
2023-12-01
|
| Series: | 智能科学与技术学报 |
| Subjects: | |
| Online Access: | https://www.infocomm-journal.com/znkx/CN/10.11959/j.issn.2096-6652.202301 |