典型文献
改进YOLOv4-tiny模型的交通图像目标检测
文献摘要：
道路交通中的实时智能安全监控系统拥有着海量图像数据源.数据源中具有不同路况、不同天气、多类别车型和多种分辨率的道路交通图像数据.针对该类图像,本文提出了一种基于YOLOv4-tiny的轻量级目标检测模型,以快速捕捉目标车辆的行驶信息.首先,采用移动翻转瓶颈卷积对骨干结构进行优化,有助于实现更好的内存效率;其次,在模型的颈部网络中使用改进的空间金字塔池化结构,将多尺度的局部特征连接在同一卷积层中,从而增加局部区域特征图的接受域;最后,在网络中添加一个尺度层,将顶层的特征图合并,获得细粒度的特征,提高了检测精度,特别是对小目标的检测.实验结果表明,与以往模型相比,该模型结构具有较高的精确度,需要的存储空间最小,能够高效检测并提取空间内的目标信息,实现智能监控.
文献关键词：
YOLOv4-tiny;移动翻转瓶颈卷积;空间金字塔池化
中图分类号：
作者姓名：
王竣生
作者机构：
六盘水师范学院计算机科学学院 贵州 553000
文献出处：
引用格式：
[1]王竣生-.改进YOLOv4-tiny模型的交通图像目标检测)[J].福建电脑,2022(11):13-18
A类：
移动翻转瓶颈卷积
B类：
YOLOv4,tiny,交通图像,图像目标检测,道路交通,智能安全,安全监控系统,图像数据,数据源,同路,路况,不同天气,多类别,车型,轻量级目标检测,目标检测模型,目标车辆,干结,存效,空间金字塔池化,局部特征,接在,一卷,卷积层,局部区域,区域特征,特征图,一个尺,细粒度,检测精度,小目标,模型结构,存储空间,高效检测,目标信息,智能监控
AB值：
0.403757
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
