一种轻量级且高效的单阶段夜间车辆检测算法制造技术

本发明专利技术提供了一种轻量级且高效的单阶段夜间车辆检测算法，属于目标检测领域。本发明专利技术基于现有的YOLOv3目标检测网络进行改进，首先构建一个目前较为稀缺的夜间车辆数据集，该数据集包括各种场景，多种天气，能使模型具有较强的泛化能力，然后将数据集进行训练，经新提出的几个模块，使得网络在深层包含更多的语义信息，并且相互融合，更好的学习夜间车辆数据的特征，经过网络生成多个带置信度和预测类别的候选框，利用非极大抑制过滤多余预测框，形成最终的夜间车辆定位和识别结果。本发明专利技术通过多个融合信息的模块提升检测质量。本发明专利技术利用真实的图像数据集进行评估本发明专利技术，并观察在最先进的基线上的改进。先进的基线上的改进。先进的基线上的改进。

【技术实现步骤摘要】
一种轻量级且高效的单阶段夜间车辆检测算法


[0001]本专利技术属于目标检测领域，具体涉及一种yolov3目标检测改进优化的方法。

技术介绍

[0002]目标检测是计算机视觉领域的基础任务，目的在于检测/识别出图像或视频中目标的位置以及类别信息。该任务广泛应用于智能机器人交互系统，智能视频搜索，工业商品检测以及无人驾驶系统等。
[0003]随着深度模型的快速推荐，基于深度学习构建的目标检测算法在检测任务上有着显著的提升和良好的性能表现。尽管这些目标检测算法在数据库的评测上有着较好的性能表现，但这些目标检测算法通常实现的是正常光照下一般物体的检测与识别，很难有效的完成低光照/夜间环境下的目标检测任务。在智能交通系统中，目标检测模型在夜间或者低光照的交通环境下及时且准确的检测和识别目标是系统正常运作的刚需视觉技术，这也是提高智能交通系统安全性的主要技术。因此，本专利针对夜间交通场景，设计了有效的夜间车辆的检测与识别算法，以提高智能交通系统的安全性。
[0004]当前根据目标检测框的处理方式可以将目标检测算法分为两类：(1)两阶段的目本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种轻量级且高效的单阶段夜间车辆检测算法，其特征在于，步骤包括：步骤S1：将构建好的夜间车辆数据集输入Darknet53特征提取网络中进行特征提取；步骤S2：对步骤S3特征提取得到的特征图通过全卷积网络进行目标定位和识别；步骤S3：利用非极大抑制(NMS)对交并比大于0.5的预测框进行筛选，去除掉同一夜间车辆的冗余预测框。2.根据权利要求1所述的一种轻量级且高效的单阶段夜间车辆检测算法，其特征在于，所述步骤S1具体为：Darknet53特征提取网络是由卷积层、残差层组成。3.根据权利要求1或2所述的一种轻量级且高效的单阶段夜间车辆检测算法，其特征在于，所述步骤S2具体为：步骤S21：将Darknet53特征提取网络每一个操作分别进行编号；步骤S22：对于中目标检测，如图一所示，YOLOv3网络中对应的是y2分支，在Darknet53网络中第四次下采样结束，最后一个操作为残差，第61次操作得到512
×
26
×
26的特征图1，另外从YOLOv3网络中的y1分支的no.57卷积层得到特征图，再经过一个卷积块，一次上采样操作，输出为26
×
26的特征图2，因此特征图1与特征图2相加，得到具有包含更丰富语义信息的特征图3；步骤S23：特征图3经过一个上采样模块，两个卷积块，共三次操作，每次...

【专利技术属性】
技术研发人员：薛怡，谭红臣，张怡，刘秀平，
申请(专利权)人：大连理工大学，
类型：发明
国别省市：