典型文献
基于DPPC-YOLO的交通标志检测算法研究
文献摘要：
为解决深度学习算法在交通标志检测识别方面存在模型参数量大、实时性弱、识别准确率较低等问题,提出一种基于DPPC-YOLO的交通标志检测算法.该算法在YOLOv3算法基础上,利用深度可分离卷积(DSC)减少特征提取网络参数,引入金字塔池化模块(PPM)和路径聚合网络(PaNet)优化小目标预测结果,采用完备交并比损失函数(GIoU)提高预测框定位精度,有效提升了算法的检测准确率和实时性.实验结果表明,DPPC-YOLO算法识别精度均值为89.73％,检测速度为11.8 FPS,模型容量为49.5 MB,相较于传统算法更精准、快速,以期为智能识别交通标志提供参考与借鉴.
文献关键词：
交通标志识别;YOLOv3;深度可分离卷积;金字塔池化模块;路径聚合网络;完备交并比
中图分类号：
作者姓名：
周涛;刘超
作者机构：
江苏大学电气信息工程学院,江苏镇江 212013
文献出处：
引用格式：
[1]周涛;刘超-.基于DPPC-YOLO的交通标志检测算法研究)[J].软件导刊,2022(12):26-32
A类：
PaNet,完备交并比
B类：
DPPC,交通标志检测,检测算法,算法研究,深度学习算法,检测识别,模型参数量,识别准确率,YOLOv3,深度可分离卷积,DSC,特征提取网络,网络参数,金字塔池化模块,PPM,路径聚合网络,小目标预测,交并比损失,损失函数,GIoU,框定,定位精度,检测准确率,算法识别,识别精度,检测速度,FPS,MB,传统算法,智能识别,交通标志识别
AB值：
0.320149
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。
