1.基于yolov3优化模型的自动驾驶目标检测方法,其特征在于,包括下述步骤:
2.根据权利要求1所述的基于yolov3优化模型的自动驾驶目标检测方法,其特征在于,所述yolov3优化模型以yolov3网络为基准网络,引入空间金字塔池化模块进行改进得到,包括特征提取层、空间金字塔池化模块和预测层;
3.根据权利要求2所述的基于yolov3优化模型的自动驾驶目标检测方法,其特征在于,所述特征提取层采用draknet-53网络;
4.根据权利要求2所述的基于yolov3优化模型的自动驾驶目标检测方法,其特征在于,所述采用k-means++算法对车辆图像集中的标注框进行重新聚类,得到先验框,具体为:
5.根据权利要求2所述的基于yolov3优化模型的自动驾驶目标检测方法,其特征在于,所述使用非极大值抑制算法结合高斯函数消除yolov3优化模型输出的冗余候选框,得到预测框,具体为:
6.根据权利要求5所述的基于yolov3优化模型的自动驾驶目标检测方法,其特征在于,所述边界框回归损失函数lciou表示为:
7.基于yolov3优化模型的自动驾驶目标检测系统,其特征在于,应用于权利要求1所述的基于yolov3优化模型的自动驾驶目标检测方法,包括数据获取模块、模型构建模块、模型训练模块及部署应用模块;
8.根据权利要求7所述的基于yolov3优化模型的自动驾驶目标检测系统,其特征在于,所述模型构建模块中,yolov3优化模型以yolov3网络为基准网络,引入金字塔池化模块进行改进得到,包括特征提取层、金字塔池化模块和预测层;
9.根据权利要求7所述的基于yolov3优化模型的自动驾驶目标检测系统,其特征在于,所述模型训练模块中,采用k-means++算法对车辆图像集中的图像标签进行重新聚类,得到先验框,具体为:
10.一种计算机可读存储介质,存储有程序,其特征在于,所述程序被处理器执行时,实现权利要求1-6任一项所述的基于yolov3优化模型的自动驾驶目标检测方法。