基于YOLO改进残差网络结构的车辆检测方法

时间:2024-07-27 00:53:47
【文件属性】:

文件名称:基于YOLO改进残差网络结构的车辆检测方法

文件大小:715KB

文件格式:PDF

更新时间:2024-07-27 00:53:47

网络车辆检测

针对车辆检测任务,设计更高效、精确的网络模型是行业研究的热点,深层网络模型具有比浅层网络模型更好的特征提取能力,但构建深层网络模型时将导致梯度消失、模型过拟合等问题,应用残差网络结构可以缓解此类问题。基于YOLO算法,改进残差网络结构,加深网络层数,设计了一种含有68个卷积层的卷积神经网络模型,同时对输入图像进行预处理,保证目标在图像上不变形失真,最后在自定义的车辆数据集上对模型进行训练与测试,并将实验结果与YOLOV3模型进行对比,实验表明,本文设计的模型检测精准度(AP)达90.63%,较YOLOV3提高了4.6%。


网友评论