基于深度学习的道路交通目标自动化检测算法研究

在自动驾驶的研究中,道路交通目标的自动检测是最为关键的技术之一。然而目前的检测算法存在着漏检、误检等情况,严重危害到道路交通安全。为此,研究在深度学习基础上,添加了误检模块,并对检测算法的损失函数进行了改进,以提高检测的准确率。改进方法在三种难度的测试中,平均准确率达到了97.34%、87.24%和80.23%,相较于改进前分别提高了2.61%、3.01%和3.89%,并且优于目前较为先进的Faster R-CNN、Grid R-CNN和FreeAnchor算法。而在实际场景的测试中,改进后的算法在雨天和夜晚有效地减少了误检情况的发生。实验结果验证了此次研究的有效性,为道路交通目标自动化检测提供了有价值的参考。