Abstract：
本文提出了一种基于YOLOv3算法的运动车辆与静止车辆的识别方法。其利用卷积神经网络提取运动车辆与静止车辆的特征,对网络的输出层Softmax进行修改,并通过大量实验优化权重模型参数;利用AICITY CHALLENGE数据集制作训练和检测数据库。测试结果表明,改进后的YOLOv3算法能更好地识别多种现实生活场景中的运动车辆与静止车辆,取得了95.55%的mAP与34.7 frame/s的检测速度,具有很好的检测性能与实时性;检测精度达到了98%,足够满足实用需求。
Keyword：
Reprint 's Address：
Email：
Source ：
广播电视网络
Year： 2022
Issue： 02
Volume： 29
Page： 102-105
Cited Count：
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count：
Chinese Cited Count：
30 Days PV： 2
Affiliated Colleges：
