-
题名基于改进YOLO的公路路网视频并发检测及应用
被引量：3
- 1
-
-
作者
成玉荣
陈湘军
杜晨浩
胡海洋
-
机构
江苏理工学院计算机工程学院
-
出处
《实验室研究与探索》
CAS
北大核心
2020年第10期50-55,共6页
-
基金
江苏省大学生创新创业训练计划项目(201911463009Z)
常州市科技支撑计划(CE20185044)
教育部产学研协同育人项目(201808002034)。
-
文摘
提出一种轻量化YOLO模型方法,应用于公路路网视频实时状态分析,解决了YOLO目标检测算法在实际应用中计算代价过大问题,并能满足多路监控视频实时并发检测的需求。首先,对YOLO的主干网络进行层次剪枝与通道剪枝,设计出更轻量的特征提取网络结构。其次,采用混合了多重感受野的Inception模块替换标准卷积模块,提升高层特征之间的空间信息交互。再次,修改模型数据结构,使用16位浮点数据存储参数,减少计算开销。最后,基于改进的YOLO训练车辆识别模型,实现基于车辆检测与追踪的路网断面流量统计、速度提取,以及拥堵事件检测,实时并发视频检测达到11路。实验结果表明,轻量化YOLO模型在相同检测精度下,并发检测性能提升1倍。
-
关键词
深度神经网络
网络模型改进
车辆检测与追踪
车流量统计
车速检测
-
Keywords
deep neural network
network model improvement
vehicle detection and tracking
traffic flow statistics
vehicle speed detection
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
