基于MS-YOLOv3的车辆目标实时检测算法

来源 :计算机应用与软件 | 被引量 : 0次 | 上传用户:liang630223
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
检测车辆目标是交通监控系统中一项具有挑战性的任务,针对实时检测算法YOLOv3车辆目标检测精度低的问题,提出一种融合多尺度特征的目标检测算法MS-YOLOv3。在特征提取阶段,将位置信息明确的浅层特征与语义丰富的深层特征进行多尺度融合,增加深层特征的位置信息,提高模型检测精度;在预测阶段,使用转置卷积操作替换最近邻插值法作为新的上采样方法,增强网络学习性,进一步提升模型检测精度。在不同数据集上的实验表明,MS-YOLOv3算法在精度和速度上均能获得较高的检测性能。
其他文献
在分析前置仓模式特点和常用选址模型的基础上,以最小成本为目标,建立多重心法生鲜农产品前置仓选址模型。根据顾客需求量的分布,采用改进的DBSCAN聚类算法和K-means算法二次聚类确定区域内前置仓建设数量,采用以最小成本为目标的多重心法来实现生鲜农产品前置仓的选址,即对每个聚类区域,分别通过重心法求得选址坐标位置。通过Java语言、SPASS软件和MATLAB软件对某区域算例进行求解,验证算法和模
为了提高油价的预测效果,提出一种基于EEMD分解、小波阈值去噪、fine-to-coarse法重构和LSTM神经网络的组合预测方法。EEMD对油价原始时间序列分解,利用小波阈值去噪法获取第一高频模态分量的有效信息;分解出的模态分量运用fine-to-coarse法重构,得到从高到低的重构分量;使用LSTM神经网络预测重构分量;对重构序列简单加和得到最终结果。实证结果表明,与其他基准模型比较,在水平