典型文献
改进的YOLOv3交通标志识别算法
文献摘要：
针对复杂场景下交通标志检测存在精度低、检测速度慢等问题,提出一种基于YOLOv3改进的S-YOLO(stronger-YOLO)交通标志算法.首先,合并批归一化层到卷积层,以提升模型前向推理速度;其次,采用二分K-means聚类算法,确定适合交通标志的先验框;然后引入空间金字塔池化模块,提取特征图深度特征;最后引入完整-交并比(complete-IoU,CIoU)回归损失函数,提升模型检测精度.实验结果表明,在重制的中国交通标志数据集(Chinese traffic sign dataset,CTSDB)下,所提算法与YOLOv3相比,平均准确率和检测速度分别提升了4.26％和15.19％,同时相较YOLOv4以及其他算法对交通标志识别有更优的精度和速度,具有良好的鲁棒性,满足复杂场景高效实时检测.
文献关键词：
交通标志;YOLOv3;批归一化层;空间金字塔池化;CIoU
中图分类号：
作者姓名：
林轶;陈琳;王国鹏;盛余洋;孙立超
作者机构：
长江大学计算机科学与技术学院, 荆州434000;三峡大学计算机与信息学院,宜昌443000
文献出处：
引用格式：
[1]林轶;陈琳;王国鹏;盛余洋;孙立超-.改进的YOLOv3交通标志识别算法)[J].科学技术与工程,2022(27):12030-12037
A类：
CTSDB
B类：
YOLOv3,交通标志识别,识别算法,复杂场景,交通标志检测,检测速度,速度慢,stronger,批归一化层,卷积层,推理速度,means,聚类算法,先验框,空间金字塔池化,金字塔池化模块,提取特征,特征图,深度特征,交并比,complete,CIoU,损失函数,模型检测,检测精度,国交,Chinese,traffic,sign,dataset,平均准确率,YOLOv4,实时检测
AB值：
0.378352
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。
