【车辆检测】基于YOLOV3实现车辆检测识别附matlab代码

✅作者简介：热爱科研的Matlab仿真开发者，修心和技术同步精进，matlab项目合作可私信。

🍎个人主页：Matlab科研工作室

🍊个人信条：格物致知。

更多Matlab仿真内容点击👇

智能优化算法       神经网络预测       雷达通信       无线传感器        电力系统

信号处理              图像处理               路径规划       元胞自动机        无人机 

⛄ 内容介绍

在城市道路中路况变得更加复杂情况下,进行道路目标车辆检测是进行交通信号灯规划的基础,在进行车辆检测中存在小尺寸车辆、车辆间相互遮挡的情况,经综合考虑,选用YOLOv3目标检测算法对道路目标车辆进行检测。YOLOv3的网络架构采用Darknet-53,用UA-DETRAC数据集进行模型训练,并根据LOSS函数和m AP值进行参数优化。通过实验结果 mAP@0.5为95.6%,能够有效对道路目标车辆进行检测。

⛄ 部分代码

2、测试模型效果

2.1 加载Yolov3模型

clear;clc;

load YOLOv3.mat

2.2 读取图像

[file,path] =uigetfile({'*.jpg;*.jpeg;*.png;*.bmp;*.tif',...

                '图片文件 (*.jpg,*.jpeg,*.png,*.bmp,*.tif)'},'选择一张图片');

filepath = fullfile(path,file);

img = imread(filepath);

2.3 定义参数

% 类别名称

classesNames = categorical(["car"])';

% 定义框颜色

cmaps = [

    255 255 000;         %蓝色

    ];

2.3 目标检测

overlapThreshold = 0.3;

confidenceThreshold = 0.3;

% Get the image.

img = imresize(img,[227 277]);%调整图像大小

I = single(img)/255;%图像归一化

% Convert to dlarray.

XTest = dlarray(I,'SSCB');

[bboxes, scores, labels] = yolov3Detect(net, XTest, networkOutputs, anchorBoxes, ...

                           anchorBoxMasks, confidenceThreshold, overlapThreshold, classNames);

% Display the detections on image.

if ~isempty(scores)

    [~,ids] = ismember(labels,classesNames);

    text = string(labels)+" "+string(round(scores*100))+"%";

    detectedImg = insertObjectAnnotation(img, 'Rectangle', bboxes, text,...

    'Color',cmaps(ids,:));

    else detectedImg=img;

end

figure

imshow(detectedImg),title("识别结果")

⛄ 运行结果

⛄ 参考文献

[1] 张绪德,李康.基于YOLOv3的道路车辆检测算法研究[J].科技与创新, 2023(1):3.

[2] 刘云翔,张国庆,徐齐,等.基于RFYOLOV3算法的车辆检测方法.2021[2023-06-14].DOI:10.16652/j.issn.1004-373x.2021.13.032.

[3] 张富凯,杨 峰,李 策.基于改进YOLOv3的快速车辆检测方法[J].计算机工程与应用(12-20)[2023-06-14].

⛳️ 代码获取关注我

❤️部分理论引用网络文献，若有侵权联系博主删除

❤️ 关注我领取海量matlab电子书和数学建模资料