典型文献
基于改进YOLOv4的交通标志识别方法
文献摘要：
文中提出了一种基于改进YOLOv4的交通标志识别方法,用于解决当前在交通标志识别任务中基于深度学习方法实时性较差、准确度较低的问题.在原版YOLOv4网络架构的基础上,使用原始的Darknet残差层替代了CSPDarknet53的CSP阶段,并对YOLOv4的PAN体系进行了CSP化,降低了运算量.用改进后的YOLOv4算法进行交通标志的特征提取,经过迁移学习对模型进行调整后实现了道路环境下交通标志的识别.为了测试改进算法的性能,在TT100K交通标志数据集上进行相关识别任务实验.实验结果表明,该算法的平均水平精度值(mAP)达到了86％,相较于原版YOLOv4算法提升了2.6％,每秒帧数(FPS)相较于原版YOLOv4算法提升了4.1.改进算法在检测精度和检测速度上较原版算法均有一定的提升.
文献关键词：
智能交通;交通标志识别;YOLOv4;目标检测
中图分类号：
作者姓名：
王靖逸;刘树惠
作者机构：
武汉邮电科学研究院,湖北武汉430074
文献出处：
引用格式：
[1]王靖逸;刘树惠-.基于改进YOLOv4的交通标志识别方法)[J].电子设计工程,2022(18):184-188
A类：
B类：
YOLOv4,交通标志识别,深度学习方法,原版,网络架构,CSPDarknet53,PAN,运算量,迁移学习,道路环境,改进算法,TT100K,平均水平,mAP,每秒,FPS,检测精度,检测速度,智能交通,目标检测
AB值：
0.306973
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。
