典型文献
基于ResNet34_D改进YOLOv3模型的行人检测算法
文献摘要：
针对自动驾驶场景下行人检测任务中对中、小尺寸目标和被遮挡目标的检测需求,以及现有深度学习模型的不足,提出基于ResNet34_D的改进YOLOv3模型:通过改进残差网络的卷积块结构提出ResNet34_D,并作为YOLOv3的主干网络以降低模型尺寸和训练难度;在ResNet34_D的3个尺度卷积特征图之后,增加SPP层和DropBlock模块以提高模型的泛化能力;基于K-means聚类算法确定自适应的多尺度锚框尺寸,提高对大、中、小3种尺寸行人目标的检测能力;引入DIoU损失函数,提高对被遮挡目标的识别能力.所提出模型的消融实验验证了各个改进部分在提高模型检测准确率上的有效性.实验结果表明,所提出的基于ResNet34_D的改进YOLOv3模型具有较好的准确率和实时性,在BDD100K-Person数据集上的AP50达到69.8％,检测速度达到130 FPS.由所提出方法与现有目标检测方法的对比实验可知,所提出方法对小目标和遮挡目标的误检率更低,速度更快,具有一定的实际应用价值.
文献关键词：
行人检测;深度学习;YOLOv3;ResNet34_D;DIoU
中图分类号：
作者姓名：
钱惠敏;陈纬;马宜龙;施非;项文波
作者机构：
河海大学能源与电气学院,南京211100;南京理工大学自动化学院,南京210094
文献出处：
引用格式：
[1]钱惠敏;陈纬;马宜龙;施非;项文波-.基于ResNet34_D改进YOLOv3模型的行人检测算法)[J].控制与决策,2022(07):1713-1720
A类：
B类：
ResNet34,YOLOv3,行人检测,检测算法,自动驾驶,驾驶场景,小尺寸,遮挡目标,有深度,深度学习模型,残差网络,块结构,主干网络,模型尺寸,卷积特征,特征图,SPP,DropBlock,泛化能力,means,聚类算法,锚框,检测能力,DIoU,损失函数,识别能力,出模,消融实验,模型检测,检测准确率,BDD100K,Person,AP50,检测速度,FPS,目标检测方法,小目标,误检率
AB值：
0.458844
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。
