基于改进YOLOv3的小尺度车辆目标检测算法

摘要

针对交通卡口车辆目标检测时，距离卡口相机相对较远的小目标车辆检测结果存在误检、漏检、精度低等问题，提出对原始YOLOv3目标检测模型的加强特征提取网络层进行增加的改进方法，并将YOLOv3原始损失函数进行优化，动态地调整不同尺度检测框的比重。在6组不同像素数据集上进行了模型择优对比实验，实验结果表明：特征提取层设定为5层的YOLOv3-5L模型，随着图像分辨率的提升，在收敛速度与小目标检测精度方面都取得了最优的效果，在2 400×2 400像素下，YOLOv3-5L模型的平均精确值达到了96.5%,比原始YOLOv3网络提升了2.0%。

关键词

车辆目标检测 / YOLOv3 / 加强特征提取层 / 损失函数 / 小目标检测