| 基于YOLO改進殘差網絡結構的車輛檢測方法 | |
| 所屬分類：技術論文 | |
| 上傳者：aetmagazine | |
| 文檔大?。?span>714 K | |
| 標簽： 目標檢測 YOLO 殘差網絡 | |
| 所需積分：0分積分不夠怎么辦？ | |
| 文檔介紹：針對車輛檢測任務，設計更高效、精確的網絡模型是行業研究的熱點，深層網絡模型具有比淺層網絡模型更好的特征提取能力，但構建深層網絡模型時將導致梯度消失、模型過擬合等問題，應用殘差網絡結構可以緩解此類問題。基于YOLO算法，改進殘差網絡結構，加深網絡層數，設計了一種含有68個卷積層的卷積神經網絡模型，同時對輸入圖像進行預處理，保證目標在圖像上不變形失真，最后在自定義的車輛數據集上對模型進行訓練與測試，并將實驗結果與YOLOV3模型進行對比，實驗表明，本文設計的模型檢測精準度(AP)達90.63%，較YOLOV3提高了4.6%。 | |
| 現在下載 | |
| VIP會員，AET專家下載不扣分；重復下載不扣分，本人上傳資源不扣分。 | |
Copyright ? 2005-2024 華北計算機系統工程研究所版權所有 京ICP備10017138號-2