为了避免机动车交通事故的发生,提出了一种部署在机动车终端的目标检测算法YOLO-DS,针对驾驶员视线遮挡区域实现实时目标检测。以YOLOV3作为基础算法,基于视觉盲区的动态视觉角度,改进算法的主干网络,通过密集连接增强网络层间的特征复...为了避免机动车交通事故的发生,提出了一种部署在机动车终端的目标检测算法YOLO-DS,针对驾驶员视线遮挡区域实现实时目标检测。以YOLOV3作为基础算法,基于视觉盲区的动态视觉角度,改进算法的主干网络,通过密集连接增强网络层间的特征复用能力;同时利用空间金字塔的优势,融入多尺度下的特征向量,加强算法的多尺度特征融合,改善检测精度;调整损失函数,通过惩罚因子调整压缩网络模型,提高运算响应,降低算法对车载硬件设备的要求。通过实验验证,优化后算法能获得更好的AP(Average Precision)及mAP(mean Average Precision)等检测值,在15米内近距离目标的检测精度比YOLOV3、SSD等算法高出3%以上,在CPU下的Inference Time缩小了约10%。展开更多
文摘为了避免机动车交通事故的发生,提出了一种部署在机动车终端的目标检测算法YOLO-DS,针对驾驶员视线遮挡区域实现实时目标检测。以YOLOV3作为基础算法,基于视觉盲区的动态视觉角度,改进算法的主干网络,通过密集连接增强网络层间的特征复用能力;同时利用空间金字塔的优势,融入多尺度下的特征向量,加强算法的多尺度特征融合,改善检测精度;调整损失函数,通过惩罚因子调整压缩网络模型,提高运算响应,降低算法对车载硬件设备的要求。通过实验验证,优化后算法能获得更好的AP(Average Precision)及mAP(mean Average Precision)等检测值,在15米内近距离目标的检测精度比YOLOV3、SSD等算法高出3%以上,在CPU下的Inference Time缩小了约10%。