精选
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，自动驾驶是一个集感知、认知和控制功能于一体的复杂系统。以目标检测为代表的环境感知是自动驾驶技术中不可或缺的组成部分。
为了提高目标检测性能，研究人员基于YOLOv3构建了模型，并采用三种方法进行改进，以检测道路上的车辆、骑行者及行人等障碍物。采用双种群遗传算法增强K-means聚类分析，即K-IGA算法，以优化锚框取值。根据卷积模块结构，将批归一化（BN）层合并到卷积层中，以获得新的输出函数。使用广义交并比（GIOU）改进损失函数的计算。随后，基于KITTI数据集制作训练集和测试集。采用不同改进方法的YOLOv3算法分别命名为MD2、MD3、MD4。将它们与经典的YOLOv5算法在数据集上进行训练和测试。
结果表明，综合以上三种改进方法的MD4算法精度最高。与基准模型MD1和YOLOv5相比，其mAP比MD1高7.8%，比YOLOv5高0.55%。测试结果表明，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，其实时性能满足车辆行驶过程中目标检测的要求。
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-3650976-1548888.html?mobile=1
收藏
