基于梯度压缩的YOLO v4算法车型识别

摘要：

为进一步提高智能交通系统对车辆及不同车型识别的泛化性、鲁棒性与实时性.根据检测区域的特征有针对性地构建数据集,改变余弦退火衰减(CD)学习率的更新方式,提出一种基于梯度压缩(GC)的Adam优化算法(Adam?GC)来提高YOLO v4算法的训练速度、检测精度以及网络模型的泛化能力.为验证改进后YOLO v4算法的有效性,对实际路况的车流进行采集后,利用训练完成的网络模型对不同密度车流进行定量的车型检测实验验证.经实验验证,改进后方法的整体检测结果要优于改进前,YOLO v4和YOLO v4 GC CD训练得到的网络模型在阻塞流样本下检测得到的准确率分别为94.59％和96.46％;在同步流样本下检测得到的准确率分别为95.34％和97.20％;在自由流样本下检测得到的准确率分别为95.98％和97.88％.

关键词：梯度压缩、学习率、Adam优化算法、YOLO v4、车型识别

所属期刊栏目：44

分类号：TP391.4(计算技术、计算机技术)

资助基金：青岛市民生科技计划资助项目;山东省重点研发计划资助项目

在线出版日期：2022-04-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：940-950