基于改进YOLOv3算法的公路车道线检测方法
文献类型：期刊论文
| 作者 | 崔文靓; 王玉静; 康守强; 谢金宝; 王庆岩; MIKULOVICH Vladimir Ivanovich |
| 刊名 | 自动化学报
 |
| 出版日期 | 2022 |
| 卷号 | 48期号:6页码:1560-1568 |
| 关键词 | 车道线检测 深度学习 YOLOv3 K-means++ 计算机视觉 |
| ISSN号 | 0254-4156 |
| DOI | 10.16383/j.aas.c190178 |
| 英文摘要 | 针对YOLOv3算法在检测公路车道线时存在准确率低和漏检概率高的问题,提出一种改进YOLOv3网络结构的公路车道线检测方法.该方法首先将图像划分为多个网格,利用K-means++聚类算法,根据公路车道线宽高固有特点,确定目标先验框数量和对应宽高值;其次根据聚类结果优化网络Anchor参数,使训练网络在车道线检测方面具有一定的针对性;最后将经过Darknet-53网络提取的特征进行拼接,改进YOLOv3算法卷积层结构,使用GPU进行多尺度训练得到最优的权重模型,从而对图像中的车道线目标进行检测,并选取置信度最高的边界框进行标记.使用Caltech Lanes数据库中的图像信息进行对比试验,实验结果表明,改进的YOLOv3算法在公路车道线检测中平均准确率(Mean average precision, mAP)为95%,检测速度可达50帧/s,较YOLOv3原始算法mAP值提升了11%,且明显高于其他车道线检测方法. |
| 源URL | [http://ir.ia.ac.cn/handle/173211/56344]  |
| 专题 | 自动化研究所_学术期刊_自动化学报 |
| 推荐引用方式 GB/T 7714 | 崔文靓,王玉静,康守强,等. 基于改进YOLOv3算法的公路车道线检测方法[J]. 自动化学报,2022,48(6):1560-1568. |
| APA | 崔文靓,王玉静,康守强,谢金宝,王庆岩,&MIKULOVICH Vladimir Ivanovich.(2022).基于改进YOLOv3算法的公路车道线检测方法.自动化学报,48(6),1560-1568. |
| MLA | 崔文靓,et al."基于改进YOLOv3算法的公路车道线检测方法".自动化学报 48.6(2022):1560-1568. |
入库方式： OAI收割
来源：自动化研究所
浏览0
下载0
收藏0
其他版本
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。