摘要
车辆分类问题是智能交通系统中的重要问题,传统方法是结合支持向量机SVM(Support Vector Machine)和方向梯度直方图HOG(Histogram of Oriented Gradient)两种经典的机器学习算法进行车辆分类,但无法解决实际应用中高速公路场景下的车辆分类。为满足高速公路通行车辆中对车辆分类的要求,文章提出一种基于改进YOLOv3的车辆分类方法。与传统的YOLOv3分类方法相比,所提出的方法改进了Darknet-53中的激活函数,整体提高了车辆分类的准确度。在京港澳高速公路车辆数据集上验证了所提方法的可行性和有效性,mAP值由89.65%提高至90.92%。
出处
《物联网技术》
2023年第3期116-121,共6页
Internet of things technologies
基金
陕西省重点研发计划项目:智能网联汽车评价关键技术与硬件在环测试系统(2021LLRH-04-01-03)
中央高校基本科研业务费资助项目(300102242501)。
作者简介
李妍(1998-),女,硕士研究生,研究方向为自动驾驶汽车、目标检测。;杨雨霖(1996-),男,硕士研究生,研究方向为目标检测、模式识别。
