摘要： 针对ＹＯＬＯｖ３算法在检测小尺度目标和较远处车辆时存在漏检现象的问题，在分析该算法检测原理的基础上，对其网络结构进行了修改，提出了一种ＹＯＬＯＴｒｉｄｅｎｔＮｅｔ网络，将三个平行分支网络进行了参数共享；基于ＫＩＴＴＩ数据集，训练了ＹＯＬＯｖ３和ＹＯＬＯＴｒｉｄｅｎｔＮｅｔ车辆检测模型，比较了两个模型的查准率、查全率、平均精度和每秒检测帧数，验证了模型的有效性。实验结果表明：相比ＹＯＬＯｖ３算法，基于ＹＯＬＯＴｒｉｄｅｎｔＮｅｔ的车辆检测算法的查全率提高了２．２％，达７６．５％；查准率下降了０．４％，为９８．３％；模型检测速度稳定在１５帧／ｓ，下降了２帧；同时，在阈值为０．５的情况下，平均精度为９２．３５％，提高了１．０６％，说明ＹＯＬＯＴｒｉｄｅｎｔＮｅｔ车辆检测模型能够改善小尺度目标的检测精度。