论文部分内容阅读
针对复杂条件下交通场景目标检测虚警和漏检问题,提出一种基于YOLOv3的快速检测算法。首先利用kmeans算法聚类出适合该数据集的合理的anchors坐标;其次在YOLOv3框架基础上使用密集模块代替残差网络,加强特征的传播和复用,并进行多尺度融合;将普通卷积替换为空洞卷积,在不改变网络层数和计算量的基础上增大感受野。另外针对质量不佳的图片利用暗通道去雾算法对图片进行增强处理。经过试验证明,经过改进的YOLOv3算法在数据集上准确率和召回率均有明显提升,具有很强的通用性和鲁棒性,且参数数量明显减少。