基于改进YOLOv4网络的轻量化交通标志检测模型
针对在嵌入式车载交通标志识别系统对检测模型的大小以及实时性有着较高的要求,在基于原有YOLOv4的网络架构上,提出一种改进后的目标检测网络Mobilenetv2-YOLOv4-SAP.Mobilenetv2-YOLOv4-SAP通过使用轻量级卷积神经网络Mobilenev2对原YOLOv4网络的特征提取网络CSPDarknet53进行替换融合以及引入注意力机制SAP模块解决多通道池化层的信息冗余问题,从而在减少网络模型参数量和计算量的同时,保持较高的检测精度.通过实验表明,改进后的网络模型在Kaggle Road sign detection比赛数据集上的平均检测精度上达到了95.94％较原YOLOv4网络提升了0.34％,该网络模型的大小为48.97MB,仅为原YOLOv4模型大小的20％,且检测速率FPS达到了61帧/秒,相比于原YOLOv4网络模型提升了265％.
交通标志识别、Moblienetv2、信息冗余、目标检测、YOLOv4
18
TP391(计算技术、计算机技术)
2022-04-18（万方平台首次上网日期，不代表论文的发表时间）
共5页
98-101,104
