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
信息记录材料投稿 | 信息记录材料编辑部| 信息记录材料版面费 | 信息记录材料论文发表 | 信息记录材料最新目录
Copyright © 2018 《信息记录材料》杂志社 版权所有
投稿电话: 投稿邮箱: