-
题名面向路侧交通监控场景的轻量车辆检测模型
被引量：16
- 1
-
-
作者
郭宇阳
胡伟超
戴帅
陈艳艳
-
机构
中国人民公安大学交通管理学院
公安部道路交通安全研究中心科研管理组
公安部道路交通安全研究中心交通政策规划研究室
北京工业大学城市交通学院
-
出处
《计算机工程与应用》
CSCD
北大核心
2022年第6期192-199,共8页
-
基金
国家重点研发计划(2020YFB1600304)
公安部技术研究计划(2019JSYJB07)
中央级公益性科研院所基本科研业务费专项(111041000000180001201101)。
-
文摘
针对路侧交通监控场景和智能交通管控需要,提出轻量型的车辆检测算法GS-YOLO,解决现有模型检测速度慢、占用内存多的问题。GS-YOLO借鉴GhostNet思想将传统卷积分为两步,利用轻量操作增强特征,降低模型的计算量。在主干特征提取网络中引入注意力机制,对重要信息进行选择,提高模块的检测能力。另外参考SqueezeNet结构,使用Fire Module和深度可分离卷积减少模型参数,模型大小从244 MB降低到34 MB,内存占用降低了86%。使用Roofline模型对实验数据和模型实际性能进行分析,结果表明GS-YOLO的精确度(AP)达到85.55%,相比YOLOv4提升了约0.45%。由于受计算平台带宽影响,GS-YOLO在GPU上检测速度提升7.3%,但在CPU上检测速度提高了83%,更适用于算力资源不足的小型设备。
-
关键词
图像处理
目标检测
轻量化
GhostNet
深度可分离卷积
-
Keywords
image processing
object detection
lightweight
GhostNet
depthwise separable convolution
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
