一种基于YOLOv3的深度学习视觉车辆检测方法

随着人工智能的迅速发展,无人驾驶成为当前汽车行业的主要研究方向之一,基于视觉的车辆检测成为了无人驾驶汽车技术中不可替代的一部分。文章基于单阶段检测算法YOLOv3提出了一种新的目标检测方法。首先在COCO数据集基础上制作增广数据集,并且标注轿车,卡车,摩托车和车轮等车辆特征,之后用得到的COCO数据集与增广数据集对YOLOv3的网络进行训练,得到新的目标检测模型后将检测实验结果进行对比。然后利用该网络结构对不同检测算法之间的检测结果进行对比。通过对比可知,文章提出的方法有效地提高了车辆特征提取的准确度,同时也提高了检测速度,增加了鲁棒性,有效地解决了无人驾驶环境感知模块检测精度低的问题,为无人驾驶决策模块提供精准的感知结果。