典型文献
基于Yolo算法的交通锥标颜色检测
文献摘要：
为了解决中国大学生无人驾驶方程式大赛的赛车检测交通锥标速度较慢和鲁棒性差的问题,文章采用自制数据集,提出一种使用自制数据集的Yolo实时目标检测方法.针对交通锥标较为细长、尺寸小的特点,Yolo使用K-means聚类算法对数据集中的真值进行聚类,选取合适的边界框数量,使目标检测算法融合本数据集的类别并实现锥桶检测以及三种颜色的分类.实验结果表明,在不同的外界环境中,Yolov5网络的交通锥标颜色分类检测模型的检测准确率高、鲁棒性好、计算速度快.在少量数据的情况下召回率达到88.84％,准确率达到86.87％,比Yolov3算法提高了 36.78％,比原始算法提高了 44.8％,检测速度(34 f/s)满足赛事需求.
文献关键词：
颜色检测;Yolov5网络;Yolo算法;交通锥标
中图分类号：
作者姓名：
赵梓杉;秦玉英;李刚;衣明悦
作者机构：
辽宁工业大学汽车与交通工程学院,辽宁锦州 121001
文献出处：
引用格式：
[1]赵梓杉;秦玉英;李刚;衣明悦-.基于Yolo算法的交通锥标颜色检测)[J].汽车实用技术,2022(18):28-32
A类：
交通锥标
B类：
颜色检测,中国大学生,无人驾驶方程式大赛,赛车,车检,较慢,实时目标检测,目标检测方法,细长,means,聚类算法,真值,边界框,目标检测算法,算法融合,锥桶检测,种颜色,外界环境,Yolov5,颜色分类,分类检测,检测模型,检测准确率,计算速度,少量数据,下召,召回率,Yolov3,检测速度,足赛,赛事
AB值：
0.428714
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。
