论文部分内容阅读
针对嵌入式平台存储容量小,无法实现复杂深度学习网络的交通标识检测问题,提出一种基于改进的Tiny-YOLOv3的交通标识检测算法。首先通过K均值聚类算法对候选框进行预处理,其次增加卷积层并建立输出为8倍降采样的目标检测层,然后对网络的卷积层和目标检测层进行密集连接。最后在NVIDIA Jetson TX2上对网络进行测试,实验结果表明,改进后的Tiny-YOLOv3算法准确率为93.53%,召回率为92.49%,参数量为6.4M。相较于原Tiny-YOLOv3,准确率提高4.17%,召回率提高2.6