典型文献
基于改进YOLOv4的车型检测算法研究
文献摘要：
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地检测出车型,准确率相对于其它算法有所提高.
文献关键词：
深度学习;车型检测;YOLOv4;特征提取网络;CBAM-DenseNet-BC
中图分类号：
作者姓名：
於积荣;黄德启;曾蓉;赵恒辉
作者机构：
新疆大学电气工程学院,乌鲁木齐 830047
文献出处：
引用格式：
[1]於积荣;黄德启;曾蓉;赵恒辉-.基于改进YOLOv4的车型检测算法研究)[J].激光杂志,2022(04):52-59
A类：
车型检测,CSPDarKNet53,ASPPNet
B类：
YOLOv4,检测算法,算法研究,漏检,CBAM,DenseNet,BC,特征提取网络,特征信息,替换成,大网,感受野,计算量,特征图,低速,模型推理,推理速度,检测模块,小目标,裁剪,检测车,类别信息,位置信息,Head,mAP,出车
AB值：
0.328232
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。
