典型文献
一种基于YOLOv3的深度学习视觉车辆检测方法
文献摘要：
随着人工智能的迅速发展,无人驾驶成为当前汽车行业的主要研究方向之一,基于视觉的车辆检测成为了无人驾驶汽车技术中不可替代的一部分.文章基于单阶段检测算法YOLOv3提出了一种新的目标检测方法.首先在COCO数据集基础上制作增广数据集,并且标注轿车,卡车,摩托车和车轮等车辆特征,之后用得到的COCO数据集与增广数据集对YOLOv3的网络进行训练,得到新的目标检测模型后将检测实验结果进行对比.然后利用该网络结构对不同检测算法之间的检测结果进行对比.通过对比可知,文章提出的方法有效地提高了车辆特征提取的准确度,同时也提高了检测速度,增加了鲁棒性,有效地解决了无人驾驶环境感知模块检测精度低的问题,为无人驾驶决策模块提供精准的感知结果.
文献关键词：
车辆检测;YOLOv3;无人驾驶;COCO
中图分类号：
作者姓名：
张耀明;刘嘉巍;宋晓力;王兆俭;王孟恩;黄立红
作者机构：
长安大学 汽车学院,陕西 西安 710064
文献出处：
引用格式：
[1]张耀明;刘嘉巍;宋晓力;王兆俭;王孟恩;黄立红-.一种基于YOLOv3的深度学习视觉车辆检测方法)[J].汽车实用技术,2022(05):30-33
A类：
B类：
YOLOv3,车辆检测,汽车行业,无人驾驶汽车,汽车技术,单阶段检测算法,目标检测方法,COCO,增广,轿车,卡车,摩托车,车轮,用得,目标检测模型,检测速度,驾驶环境感知,感知模块,检测精度,供精
AB值：
0.312506
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。
