基于算法改进的行人检测技术研究(2)
4.3 结果分析
采用平均精度均值(mAP)对改进后的算法进行评估,实验结果表明在自制数据集上检测精度达到了71.56%。但改进后的算法对于远距离的行人目标、受到遮挡的行人目标依然会出现无法识别的问题
5 结论
本文通过对YOLOv3 算法的进一步了解,在现有算法基础了进行了改进,充分发挥了算法在行人检测中检测速度和精度上的优势。改进后的算法很好的完成了对自制数据集的检测。
但从实验效果来说,依然还需要去进一步的研究,从而对YOLOv3 算法进行更好的改进,提高对远距离目标以及遮挡物的检测水平。
[1]Ross B. Girshick. Fast R-CNN.[J]. IEICE Transactions on Fundamentals of Electronics, Communications and Computer Sciences, 2015, abs/
[2]Shaoqing Ren, Kaiming He, Ross B. Girshick, et al. Faster R -CNN: Towards Real -Time Object Detection with Region Proposal Networks.[J]. IEICE Transactions on Fundamentals of Electronics, Communications and Computer Sciences, 2015, abs/
[3]Joseph Redmon, Santosh Kumar Divvala, Ross B. Girshick, et al. You Only Look Once: Unified, Real-Time Object Detection.[J].IEICE Transactions on Fundamentals of Electronics,Communications and Computer Sciences, 2015, abs/
[4]Ao Qin, Yu Jun Zhang. YOLOV3 traffic sign recognition and detection based on FPN improvement [J].Scientific Journal of Intelligent Systems Research,2020,2(11).
[5]王辉,张帆,刘晓凤,李潜.基于DarkNet-53 和YOLOv3 的水果图像识别[J].东北师大学报(自然科学版),2020,52(04):60-65.
[6]Joseph Redmon and Ali Farhadi. YOLO9000: Better, Faster,Stronger.[J]. CoRR, 2016, abs/
文章来源:《实验力学》 网址: http://www.sylxzz.cn/qikandaodu/2021/0707/673.html
上一篇:水生植被影响异重流动力特性的试验分析
下一篇:一种热泵储能装置的实验分析