基于YOLOv3的自然路况信息识别研究

摘要

在传统的交通标志和车辆检测中,需要针对不同场景选择适合的特征,这意味着特征需要足够的经验去设计,当数据量越来越大时特征设计就会越困难。因此提出一种端对端的网络结构YOLOv3,通过人工预处理和后续处理,尽可能使模型从原始输入到最终输出,给模型更多可以根据数据自动调节的空间,增加模型的整体契合度。该模型通过对自然状态下的路况图像进行标注,并对数据集中的预选框位置和图片大小进行预处理,改进YOLOv3算法中的损失函数实现了实时高精度地对交通标志和车辆的检测。实验表明,该算法的检测精度可以达到71%,召回率达到94.95%,FPS值为68.2。