基于改进YOLOv3的复杂环境下交通标志检测

来源 :微处理机 | 被引量 : 0次 | 上传用户：greatspy_52

【摘要】

：

针对深度学习算法中目标检测网络模型在复杂环境下识别交通标志的难点,对YOLOv3模型迁移学习算法的基本特点展开研究,构建并划分了复杂环境下中国交通标志数据集,并通过引入特征尺度的概念进一步改进YOLOv3算法,使数据集能够更好地处理各种复杂环境带来的影响.通过对比实验,证明改进后的YOLOv3算法对复杂环境下交通标志检测的效果明显优于标准YOLOv3算法及SSD算法,获得了更高的检测精度和更短的检测时间.

【作者】

：

马露茜吴钦木

【机构】

：

贵州大学电气工程学院,贵阳550025

【出处】

：

微处理机

【发表日期】

：

2022年1期

【关键词】

：

交通标志识别数据集改进YOLOv3模型

下载到本地 , 更方便阅读

下载此文赞助VIP

声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架

论文部分内容阅读

其他文献

基于FPGA的CRC编解码算法研究

为抵抗复杂传输环境对通信数据造成的影响,对循环冗余校验码CRC这一通信系统中常用的差错控制技术展开研究,设计一套算法在软硬件层面深入挖掘CRC的潜力.在简介循环冗余校验基本原理的基础上,以国际标准CRC-16为研究对象,分析编码和解码过程,在QuartusⅡ上开发平台,运用Verilog硬件描述语言实现CRC的编码与解码.采用Modelsim软件进行仿真验证,结果表明所设计算法的正确性.算法基于可编程硬件技术实现CRC编码与解码,具有运行速度快、容易迁移的优点.

期刊

现场可编程门列阵循环冗余校验码Verilog硬件描述语言差错控制

淤沙坝智能监测系统设计

淤沙坝作为泥沙治理最直接有效的水利设施,在黄河流域泥沙治理中取得了显著成效.为更好实现对淤沙坝库区的智能监测,开发一套以STM32F103微处理器为核心的淤沙坝智能监测系统.系统对监测区域内的雨量、水位、泥沙含量等信息进行实时采集,采集到的数据经MCU处理存储后可显示在现场触摸屏上,还可通过GPRS通信方式远程传输至监测终端,在为终端专门开发的上位机界面中方便调用.经实验测试,系统可实现数据采集、数据传输以及现场显示等功能,具有功耗低、数据采集精度高、抗干扰性强等优点.

期刊

智能监测STM32微处理器GPRS远程通信淤沙坝

基于改进YOLOv3的复杂环境下交通标志检测

其他学术论文