|
基于 YOLOv4 算法在车辆检测中的应用
王婷婷 , 戴金龙 , 孙振轩 , 陈建玲 , 孙勤江
吉林大学学报(信息科学版). 2023 (2):
281-291.
摘要
(
197 )
PDF(5738KB)
(
174
)
为解决车辆识别中由于拍摄角度和距离的不同, 导致成像后的车辆尺寸较小和车辆存在不同程度的 遮挡, 从而产生车辆的错检和漏检等问题, 在单阶段目标检测网络 YOLOv4(You Only Look Once version 4)算法 的基础上, 提出了基于注意力机制的递归 YOLOv4 目标检测算法, 即 RC-YOLOv4(Recursive and CBAM You Only Look Once
version 4 ) 算法。 为提高算法对成像后小尺寸 车 辆 的 检 测 能 力, 在 YOLOv4 算 法 加 入 CBAM (Convolutional Block Attention Module)模块, 该模块结合了通道和空间注意力机制, 能帮助网络模型更加关注检 测图像中的重点信息和小目标信息。 针对车辆部分遮挡的检测问题, 采用递归特征金字塔(RFP: Recursive Feature Pyramid)结构加强模型对深层特征信息提取能力, RFP 结构类似于选择性增强或抑制神经元激活的 人类视觉感知, 将主干网络提取到的特征递归融合, 然后反馈给主干网络, 多次特征融合增强网络对上下文 语义信息的提取整合能力。 提高了对遮挡车辆的检测精度。 实验结果表明, 在自制车辆检测数据集上, RC-YOLOv4算法相比于 YOLOv4 在平均精度均指标上提高了 12. 69% , 同时检测速度也能满足实时性要求。
相关文章 |
计量指标
|