基于YOLOv4的车辆与行人检测网络设计 |
| |
引用本文: | 谭光兴,岑满伟,苏荣键.基于YOLOv4的车辆与行人检测网络设计[J].计算机仿真,2023(4):128-133. |
| |
作者姓名: | 谭光兴 岑满伟 苏荣键 |
| |
作者单位: | 广西科技大学电气与信息工程学院 |
| |
基金项目: | 国家自然科学基金项目(61563005); |
| |
摘 要: | 针对YOLOv4网络模型参数量大,难以在资源有限的设备平台上运行的问题,提出一种对YOLOv4轻量化的车辆和行人检测网络。以MobileNetV1为主干网络,将PANet和YOLO Head结构中的标准卷积替换成深度可分离卷积,减少模型参数量;同时利用跨深度卷积结合不同膨胀率的空洞卷积构建特征增强模块,改善不同预测层对车辆和行人尺度变化的适应能力,提高网络的检测精度。实验结果表明,上述网络模型大小为45.28MB,检测速度为44FPS,相比YOLOv4模型大小减少81.44%,检测速度提升91.30%,在PASCAL VOC2007测试集上,检测精度达到86.32%,相比MobileNetV1-YOLOv4原网络提高1.29%的精确度,能够满足实时高效的检测要求。
|
关 键 词: | 深度学习 目标检测 特征增强 轻量化 |
|
|