文献类型：期刊文章

作　　者：胡臣辰[1] 陈贤富[1]

Hu Chenchen;Chen Xianfu(Institute of Microelectronics,University of Science and Technology of China,Hefei 230027,China)

机构地区：[1]中国科学技术大学微电子学院,安徽合肥230027

出　　处：《信息技术与网络安全》

年　　份：2020

卷　　号：39

期　　号：9

起止页码：56-60

语　　种：中文

收录情况：JST、普通刊

摘　　要：针对车辆检测任务,设计更高效、精确的网络模型是行业研究的热点,深层网络模型具有比浅层网络模型更好的特征提取能力,但构建深层网络模型时将导致梯度消失、模型过拟合等问题,应用残差网络结构可以缓解此类问题。基于YOLO算法,改进残差网络结构,加深网络层数,设计了一种含有68个卷积层的卷积神经网络模型,同时对输入图像进行预处理,保证目标在图像上不变形失真,最后在自定义的车辆数据集上对模型进行训练与测试,并将实验结果与YOLOV3模型进行对比,实验表明,本文设计的模型检测精准度(AP)达90.63%,较YOLOV3提高了4.6%。

关 键 词：目标检测 YOLO  残差网络  深度学习  

分 类 号：TP393]