基于YOLOv2的复杂场景下车辆目标检测

摘要

车辆目标检测是自动驾驶中的一个重要环节.针对复杂场景下的车辆目标检测模型检测速度慢,检测精度和召回率低等问题,以YOLOv2网络为基础,使用K-means算法对自制驾驶员视角下的车辆数据集中目标边框进行聚类,改进网络中卷积层的激活函数,加载预训练模型,多尺寸图像训练,最终得到改进的车辆目标检测模型.实验表明,相对于传统的车辆检测模型,本文方法可以在保证检测速度的情况下,尽可能多地检测出更多车辆目标且精度较高.最终在测试集上的mAP和recall达到了84.93％和83.07％,FPS达到了66.