摘要
为增强高速公路收费车辆分类的实时性和准确性,对比分析了SSD、YOLO和Faster R-CNN图像识别算法的优缺点,提出了一种结合MixUp数据增强、Focus网络结构和CIOU损失函数的高速公路收费车辆分类方法,对门架高清摄像机抓拍的图像进行识别和分类,在京港澳高速公路数据集上进行验证。结果表明:YOLO模型系列中的YOLOv3模型对于收费车辆分类的平均准确率超过了Faster R-CNN和SSD模型,并且在使用了MixUp数据增强、Focus网络结构和CIOU损失函数时平均准确率达到了92.04%,FPS为22.8。进行消融实验,使用MixUp数据增强后,模型精度提高了0.62%;使用Focus网络结构后,模型FPS提高了1.4;使用CIOU损失函数后,模型精度提高0.28%。由此说明,改进后的YOLOv3模型在高速公路收费车辆分类中可以准确、实时地实现收费车辆分类,为高速公路智能收费系统提供技术支撑。
出处
《物联网技术》
2024年第2期123-126,共4页
Internet of things technologies
基金
国家自然科学基金(面上项目)(12172064)。
作者简介
杨景凯(1998-),男,硕士在读,研究方向为智能交通、深度学习;通讯作者:刘维宇(1987-),男,博士,副教授,硕士生导师,研究方向为电动微纳流体、人工智能;汪静远(1998-),男,硕士在读,研究方向为电力系统及其自动化。
