-
题名基于改进YOLOX-s的车辆检测方法研究
被引量：6
- 1
-
-
作者
张稀柳
张晓玲
何敏军
-
机构
江苏理工学院电气信息工程学院
-
出处
《系统仿真学报》
CAS
CSCD
北大核心
2024年第2期487-496,共10页
-
基金
2021年江苏理工学院研究生实践创新项目(XSJCX21_57)。
-
文摘
为缓解车辆小目标漏检及误检问题,提出一种基于YOLOX网络的多尺度特征融合的改进车辆检测模型。设计基于深度可分离卷积的Ghost-CSP(cross stage partial),替换网络的部分跨阶段局部结构,加快检测速度;将模型的最大池化方式改进为Softpool方式,并引入坐标注意力机制,增强待检测目标的特征表达,优化目标漏检问题;选用Focal Loss作为模型置信度损失函数以增加分类不准确样本的权重,提高模型对小目标的预测能力。实验结果表明:改进算法平均准确率提高到74.96%,速度达到73帧/s,在满足实时性要求下可以更好地完成车辆目标检测要求。
-
关键词
YOLOX
多尺度特征融合
车辆检测模型
Softpool
坐标注意力
Focal
Loss
-
Keywords
YOLOX
multi-scale feature fusion
vehicle detection model
Softpool
coordinate attention
Focal Loss
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
