典型文献
改进YOLO算法的复杂交通场景目标检测
文献摘要：
复杂交通场景下,针对行人、电瓶车检测和识别由于光照强度、事物遮挡等情况下出现的精度低、实时性较差等问题,给出了一种改进YOLO算法的 目标检测方法.首先,利用多尺度方法增加训练样本,构建专门的混行目标数据集;然后,对目标检测模型进行了改进,在YOLOv4的网络框架下,将双边滤波的高斯金字塔变换Retinex图像增强网络与YOLOv4网络有效融合;最后,构建基于双边滤波的高斯金字塔变换Retinex图像增强算法融入模型.通过实际道路检测,证明了该算法的有效性.
文献关键词：
目标检测;图像增强;深度学习;YOLOv4模型;Retinex算法
中图分类号：
作者姓名：
宦涣;孙艳文
作者机构：
启迪云控(上海)智能汽车科技有限公司,上海201815;南京审计大学信息工程学院,江苏南京211825
文献出处：
引用格式：
[1]宦涣;孙艳文-.改进YOLO算法的复杂交通场景目标检测)[J].西安工程大学学报,2022(06):86-92
A类：
B类：
交通场景,电瓶车,车检,检测和识别,光照强度,遮挡,下出,目标检测方法,多尺度方法,加训,训练样本,混行,目标检测模型,YOLOv4,网络框架,双边滤波,高斯金字塔,Retinex,有效融合,图像增强算法,算法融入,实际道路,道路检测
AB值：
0.406812
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
