面向无人驾驶场景下的道路多目标检测算法
来源：计算机应用与软件杂志2024年第8期北京时间：
作者：牛文杰, 伊力哈木·亚尔买买提
摘要：针对无人驾驶场景下目标检测算法误检率高的问题,设计一种改进YOLOv3的多目标检测算法。该文在原始特征提取网络Darknet53中引入分组卷积核替换标准卷积核,降低了卷积操作的计算量;改进原始YOLOv3的特征融合方法,使不同尺度的特征层融合更加充分,对遮挡目标和小目标的检测效果有明显提升;构建CIoU位置损失函数,提示网络收敛效果。实验结果表明,改进的YOLOv3算法平均精确度提高了1.71%,误检率降低了12%,明显优于原始算法。
关键词：无人驾驶, 多目标检测, 分组卷积, YOLOv3, CIoU损失函数
