基于YOLO的交通目标检测方法
论文名称：《基于YOLO的交通目标检测方法》—2019
指导教师：马应龙
论文作者：王思雨
毕业院校：华北电力大学
文章内容概要
- 介绍了本文的研究背景及意义，介绍国内外研究现状
- 详细介绍了本课题在实现交通目标检测过程的相关技术研究
- 对交通目标检测需求进行深入分析，并对本文系统总体模型、每个模块的基本流程、功能实现、实验步骤做出了详细的描述
- 介绍了实验采用的样本数据，实验指标，并将两种机器学习算法对交通信号灯以及障碍物检测进行实验
- 对论文的不足之处进行了阐述并进一步对课题的研究工作进行了研究
相关技术介绍
- 传统交通目标检测方法利用超声波检测车辆的效果容易受到周围环境的温度和气流的影响，性能不稳定，并且只能对行驶中的车辆进行检测
- 基于视觉的交通目标检测利用计算机视觉处理技术对图像进行处理，增强、去噪、过滤无效信息等
- 视频分割技术将视频切分成图像，是为了实现对视频关键帧的提取，从而得到有价值的图像
- 图像特征描述的是图像的颜色、纹理、形状、大小以及形变等一组不同于其他图像的特征集合
- 机器学习利用计算机对已有固定特征的数据加以训练，以便得到某种规律，从而学习到机器本身并不能了解的知识和技能
- YOLO是一个端到端的目标检测框架，通过一次图像输入就可以同时得到预测边框的坐标、边框包含目标的置信度，以及所属类别的概率
网络结构表
-
网络结构表
