公开(公告)号：CN109815886B

公开(公告)日：2020-12-18

申请号：CN201910052953.5

申请日：2019-01-21

Applicant: 南京邮电大学

Inventor： 刘天亮 ,  王国文 ,  谢世朋 ,  戴修斌

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/04

Abstract: 本发明公开了一种基于改进YOLOv3的行人和车辆检测方法及系统。本发明采用基于Darknet‑33改进型YOLOv3网络作为主干网络提取特征；采用可传递的特征图尺度缩减方法，跨层融合并重用主干网络中的多尺度特征；然后采用尺度放大方法构建特征金字塔网络。训练阶段，对训练集使用K‑means聚类方法以预测框和真实框的交并比作为相似度标准进行聚类选取先验框；然后依据损失函数做BBox回归和多标签分类。检测阶段，对所有检测框，根据置信度打分和IOU值采用非极大值抑制法去除冗余检测框，预测出最优的目标对象。本发明采用特征图尺度缩减融合的特征提取网络Darknet‑33、特征图尺度放大迁移融合构造特征金字塔和聚类选取先验框，能提高行人和车辆检测的速度和精度。

公开(公告)号：CN109815886A

公开(公告)日：2019-05-28

申请号：CN201910052953.5

申请日：2019-01-21

Applicant: 南京邮电大学

Inventor： 刘天亮 ,  王国文 ,  谢世朋 ,  戴修斌

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/04

Abstract: 本发明公开了一种基于改进YOLOv3的行人和车辆检测方法及系统。本发明采用基于Darknet-33改进型YOLOv3网络作为主干网络提取特征；采用可传递的特征图尺度缩减方法，跨层融合并重用主干网络中的多尺度特征；然后采用尺度放大方法构建特征金字塔网络。训练阶段，对训练集使用K-means聚类方法以预测框和真实框的交并比作为相似度标准进行聚类选取先验框；然后依据损失函数做BBox回归和多标签分类。检测阶段，对所有检测框，根据置信度打分和IOU值采用非极大值抑制法去除冗余检测框，预测出最优的目标对象。本发明采用特征图尺度缩减融合的特征提取网络Darknet-33、特征图尺度放大迁移融合构造特征金字塔和聚类选取先验框，能提高行人和车辆检测的速度和精度。