The study on target detection technology based on improved YOLOv3 model
科学家完成基于改进YOLOv3模型的目标检测技术研究
山东大学Wei Yan团队完成基于改进YOLOv3模型的目标检测技术研究。相关论文于2026年6月发表在国际学术期刊《测量与控制》上。
研究人员表示，自动驾驶是一个复杂系统，包含感知、认知与控制等功能。其中，以目标检测为代表的环境感知是自动驾驶技术的重要组成部分。
为提升目标检测性能，研究人员基于YOLOv3构建模型，并通过三种改进方法对其进行优化，以实现对道路上车辆、骑行者及行人的障碍物检测。首先，采用双种群遗传算法对K-means聚类进行优化，提出K-IGA算法以改进anchor box的取值。其次，根据卷积模块结构，将Batch Normalization（BN）层融合到卷积层中，得到新的输出函数。最后，采用广义交并比（Generalized Intersection over Union, GIOU）对损失函数进行改进。
在数据集构建方面，基于KITTI数据集制作训练集与测试集。不同改进组合的YOLOv3模型分别命名为MD2、MD3和MD4，并与经典YOLOv5算法进行训练与测试对比。
结果表明，融合全部三种改进策略的MD4模型具有最高检测精度。与基准模型MD1及YOLOv5相比，其mAP分别提高了7.8%和0.55%。测试结果显示，该检测模型能够有效识别道路场景中的车辆、行人和骑行者，且实时性能满足车载目标检测需求。
Measurement and Control
该刊是一份经过同行评审的开放获取期刊，专注于发表有关测量和控制领域，理论与应用的研究成果。
期刊优势
影响因子：2.3
期刊分区：JCR Q3 AUTOMATION & CONTROL SYSTEMS, INSTRUMENTS & INSTRUMENTATION
期刊网址:
往期研究:
投稿网址:
转载本文请联系原作者获取授权，同时请注明本文来自Sage学术科学网博客。
链接地址：https://wap.sciencenet.cn/blog-3650976-1544651.html?mobile=1
收藏
