典型文献
基于改进YOLOv3的ETC车辆检测算法研究
文献摘要：
随着ETC通道车辆违规行为的不断增加,针对该场景下不同尺度和类型的车辆检测已经成为城市交通管理的一项重要工作.论文基于高速公路ETC场景下的真实数据集,提出了一种车辆检测的优化方法.为提高算法在车辆检测方面的适用性和准确性,论文在YOLOv3算法的基础上采用GIOU作为YOLOv3的边界框回归损失函数,同时用调整过的锚框来代替原始算法的锚框,使生成的检测框可以更好地适应不同角度的车辆.改进的YOLOv3在ETC场景数据集下的检测精度达到90.2％mAP,检测精度相对于目前主流的车辆检测算法SSD提升了10％,相对于YOLOv3提升了2％,达到当前条件下最好的检测效果.
文献关键词：
改进YOLOv3;车辆检测;GIOU
中图分类号：
作者姓名：
赵加坤;韩睿;孙俊;金举
作者机构：
西安交通大学软件学院 西安 710049
文献出处：
引用格式：
[1]赵加坤;韩睿;孙俊;金举-.基于改进YOLOv3的ETC车辆检测算法研究)[J].计算机与数字工程,2022(01):90-94,139
A类：
B类：
YOLOv3,ETC,车辆检测,检测算法,算法研究,违规行为,不同尺度,城市交通管理,高速公路,真实数据,GIOU,边界框回归损失函数,整过,锚框,检测精度,mAP,SSD,检测效果
AB值：
0.303469
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。
