文章摘要: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的检测出车型，准确率相对于其它算法有所提高。

文章关键词:

论文分类号:U495;TP391.41

文章来源：《信息记录材料》 网址: http://www.xxjlcl.cn/qikandaodu/2021/1115/2325.html