-
题名基于改进YOLOv4的车型检测算法研究
被引量：8
- 1
-
-
作者
於积荣
黄德启
曾蓉
赵恒辉
-
机构
新疆大学电气工程学院
-
出处
《激光杂志》
CAS
北大核心
2022年第4期52-59,共8页
-
基金
国家自然科学基金项目(No.51468062)。
-
文摘
针对车型检测任务中存在错检、漏检的问题,提出一种改进YOLOv4的车型检测算法。首先,使用CBAM-DenseNet-BC网络代替原始特征提取网络CSPDarKNet53,加强网络对车型重要特征信息的提取能力,从而提高特征信息的利用率;然后将SPPNet替换成ASPPNet,增大网络感受野的同时减少网络计算量,并使得特征图分辨率的降低速度变缓;其次,为加快模型推理速度,将原始算法检测模块中负责检测小目标的分支裁剪;最后,为检测车型类别信息的同时关注其位置信息,在检测模块YOLO-Head之前添加CBAM模块。实验结果表明改进后的算法的mAP值为95.22%,比原始算法提高了1.93%。改进后的算法能够有效地检测出车型,准确率相对于其它算法有所提高。
-
关键词
深度学习
车型检测
YOLOv4
特征提取网络
CBAM-DenseNet-BC
-
Keywords
deep learning
vehicle detection
YOLOv4
feature extraction network
CBAM-DenseNet-BC
-
分类号
TN249
[电子电信—物理电子学]
-
