论文部分内容阅读
针对城市道路场景下车辆检测精度低的问题,提出了一种基于YOLOv3的车辆检测方法。借鉴了可变形卷积网络(Deformable Convolutional Networks,DCN)的思想,对YOLOv3的Darknet-53主干网络结构进行优化,在残差模块中加入了可变形卷积增加网络的特征提取能力,提高了模型的检测精度。实验分析表明,改进的YOLOv3模型在KITTI数据集的车辆类别上mAP达到了92.33%,对比YOLOv3模型精度提高了1.74%。