基于改进YOLOv3的自然交通路况检测研究

摘要

针对无人驾驶对自然路况检测的定位精度需求,在YOLOv3模型中融合高斯模型,使得网络可以输出每个检测框的不确定性,从而提升网络预测框的定位精度。使用D-IOU损失函数可以有效解IOU为0的情况下预测框不收敛的问题并且可以加快预测框的收敛。采用K-means聚类方法,选取出符合该数据集物体分布的锚点框。经实验对比,我们发现改进后的YOLOv3在BDD100k上的m AP值较传统YOLOv3提升4.42%,在多种场景下都有较好的检测效果。