基于改进YOLOv3算法的车辆目标实时检测.pdfVIP

分类号TP391学号181030165

密级

全日制学术型

硕士学位论文

题目基于改进YOLOv3算法的

车辆目标实时检测

作者姓名杨玉艳

导师姓名、职称霍爱清教授

学科(专业领域)名称控制理论与控制工程

提交论文日期2021年05月31日

万方数据

万方数据

学位论文创新性声明

本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的研究成

果。尽我所知，除了文中特别加以标注和致谢中所罗列的内容以外，论文中不包含其他

人已经发表或撰写过的研究成果；也不包含为获得西安石油大学或其它教育机构的学位

或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中做

了明确的说明并表示了谢意。

申请学位论文与资料若有不实之处，本人承担一切相关责任。

论文作者签名：____________日期：____________

学位论文使用授权的说明

本人完全了解西安石油大学有关保留和使用学位论文的规定，即：研究生在校攻读

学位期间论文工作的知识产权单位属西安石油大学。学校享有以任何方法发表、复制、

公开阅览、借阅以及申请专利等权利。本人离校后发表或使用学位论文或与该论文直接

相关的学术论文或成果时，署名单位仍然为西安石油大学。

论文作者签名：__________日期：__________

导师签名：__________日期：__________

·注：如本论文涉密，请在使用授权的说明中指出（含解密年限等）。

I

万方数据

中文摘要

论文题目：基于改进YOLOv3算法的车辆目标实时检测

专业：控制理论与控制工程

硕士生：杨玉艳(签名)

导师：霍爱清(签名)

摘要

近年来，自动驾驶系统和先进辅助驾驶系统成为了各大汽车公司和互联网公司的研

究热点，目标检测是其核心技术之一。现有的目标检测算法虽然在精度提升上取得了一

定进展，但其参数量大、计算成本高的问题不利于低存储设备的应用。同时，城市交通

场景密集复杂，并且车辆之间严重遮挡，导致目标检测算法经常出现漏检、误检等问题。

本文先从网络轻量化方面进行研究，通过对YOLOv3的优化改进，提出一种轻量级

车辆检测算法，在不降低精度的情况下，使模型更小，检测速度更快。然后再从降低漏

检率和误检率的角度出发，对损失函数和非极大抑制算法设计更具针对性的优化策略，

以提高密集场景车辆检测算法的适用性和鲁棒性。本文主要工作内容如下：

(1)针对BDD100K数据集存在各类型车辆分布不均衡的问题，对该数据集中数据量

过大的汽车和货车进行了随机删除操作，并对自行车和摩托车的数据集分别使用传统数

据增强方法和基于改进DCGAN的数据增强方法进行了扩充，最终建立了一个数据量大、

类别均衡并且场景多样化的车辆数据集。

(2)针对YOLOv3算法对