针对车标检测存在检测时间长、检测率低、可识别类型少的问题,提出一种采用You Only Look Once(YOLOv3)网络的方法。为了使该网络适用于小目标的车标检测,将目标特征提取结构Darknet-53换成Darknet-19,并且将多尺度预测层数减少为两层...针对车标检测存在检测时间长、检测率低、可识别类型少的问题,提出一种采用You Only Look Once(YOLOv3)网络的方法。为了使该网络适用于小目标的车标检测,将目标特征提取结构Darknet-53换成Darknet-19,并且将多尺度预测层数减少为两层以减少网络参数数量。同时,为了增大车标在图像中所占比例,让卷积神经网络能学习更多的车标特征,采用将车辆从图像中裁剪后进行人工标注的方法,构建了一个包含46类车标的数据集(VLDS-46)。实验结果表明,采用该模型进行车标检测时能在实现高检测率的同时达到实时性要求,检测平均耗时为9 ms。展开更多
文摘针对车标检测存在检测时间长、检测率低、可识别类型少的问题,提出一种采用You Only Look Once(YOLOv3)网络的方法。为了使该网络适用于小目标的车标检测,将目标特征提取结构Darknet-53换成Darknet-19,并且将多尺度预测层数减少为两层以减少网络参数数量。同时,为了增大车标在图像中所占比例,让卷积神经网络能学习更多的车标特征,采用将车辆从图像中裁剪后进行人工标注的方法,构建了一个包含46类车标的数据集(VLDS-46)。实验结果表明,采用该模型进行车标检测时能在实现高检测率的同时达到实时性要求,检测平均耗时为9 ms。
