基于YOLO改進殘差網(wǎng)絡(luò)結(jié)構(gòu)的車輛檢測方法
所屬分類：技術(shù)論文
上傳者：aetmagazine
文檔大?。?span>714 K
標簽： 目標檢測 YOLO 殘差網(wǎng)絡(luò)
所需積分：0分積分不夠怎么辦？
文檔介紹：針對車輛檢測任務(wù)，設(shè)計更高效、精確的網(wǎng)絡(luò)模型是行業(yè)研究的熱點，深層網(wǎng)絡(luò)模型具有比淺層網(wǎng)絡(luò)模型更好的特征提取能力，但構(gòu)建深層網(wǎng)絡(luò)模型時將導(dǎo)致梯度消失、模型過擬合等問題，應(yīng)用殘差網(wǎng)絡(luò)結(jié)構(gòu)可以緩解此類問題?；赮OLO算法，改進殘差網(wǎng)絡(luò)結(jié)構(gòu)，加深網(wǎng)絡(luò)層數(shù)，設(shè)計了一種含有68個卷積層的卷積神經(jīng)網(wǎng)絡(luò)模型，同時對輸入圖像進行預(yù)處理，保證目標在圖像上不變形失真，最后在自定義的車輛數(shù)據(jù)集上對模型進行訓(xùn)練與測試，并將實驗結(jié)果與YOLOV3模型進行對比，實驗表明，本文設(shè)計的模型檢測精準度(AP)達90.63%，較YOLOV3提高了4.6%。
現(xiàn)在下載
VIP會員，AET專家下載不扣分；重復(fù)下載不扣分，本人上傳資源不扣分。