典型文献
辅助驾驶的车辆与行人检测模型YOLO-DNF
文献摘要：
为了解决YOLO系列目标检测算法存在的精度与计算成本不均衡、模型泛化性不足的问题,提出了可满足不同光照场景下目标检测需求的高精度快速的车辆与行人检测模型YOLO-Day Night and Fast(YOLO-DNF).文中结合当下主流检测模型所使用的卷积神经网络分析卷积结构与网络深度对于主干网络特征提取能力和计算成本的影响,针对网络不同层次选取卷积结构Arrow-Block与CSP-Block搭建网络并通过量化堆叠单元的计算成本确定网络深度,提出低计算成本、高特征提取能力的ACNet网络.此外分析了白天与夜间图像的亮度差异,引入了HSV域扰动并提出亮度处理的数据增强策略,提升了模型的夜间检测精度,改善了模型泛化性不足的问题.实验结果表明:YOLO-DNF模型在SODA10M数据集仅含白天图像的训练集中训练后以每秒24.36帧的检测速率达到32.8％的全时段mAP检测精度,检测精度与速度超过目前主流检测模型.其中夜间精度达到了27.7％,扩展了模型的检测应用场景.
文献关键词：
目标检测;卷积神经网络;数据增强;YOLO
中图分类号：
作者姓名：
张修懿;陈长兴;杜娟;李佳;成宽洪
作者机构：
空军工程大学 基础部,西安 710051;西安理工大学 计算机科学与工程学院,西安 710048
文献出处：
引用格式：
[1]张修懿;陈长兴;杜娟;李佳;成宽洪-.辅助驾驶的车辆与行人检测模型YOLO-DNF)[J].计算机工程与应用,2022(24):212-222
A类：
ACNet,SODA10M
B类：
辅助驾驶,行人检测,检测模型,YOLO,DNF,目标检测算法,模型泛化性,Day,Night,Fast,主干网络,网络特征,特征提取能力,不同层次,Arrow,Block,CSP,建网,堆叠,低计算成本,外分,白天,夜间图像,亮度差,HSV,数据增强策略,检测精度,天图,训练集,每秒,检测速率,mAP,过目,检测应用
AB值：
0.36173
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。
