基于YOLOX的车辆检测

摘要：

车辆检测是智能交通系统重要的一个研究方向.针对监控视角下的车辆检测问题,提出了一种改进YOLOX算法的车辆检测方法.使用网络深度更小的YOLOX_S模型,对网络结构改进.使用GHOST深度可分离卷积模块代替部分传统卷积,在保证模型检测精度的同时减少模型参数;将CBAM注意力模块融合到特征提取网络中,并添加特征增强结构,加强特征提取网络获得的特征图语义信息,增强提取网络对目标的检测能力;通过使用CIoU_loss优化损失函数,提高模型边界框的定位精度.测试实验结果表明,改进后的网络识别准确率提升了 2.01％,达到95.45％,证明了改进方法的可行性.

关键词：目标检测、YOLOX、注意力机制、深度分离卷积、特征融合

所属期刊栏目：31

分类号：TP391.41;U491;TN911.73

资助基金：西安石油大学研究生创新与实践能力培养计划YCS21213212

在线出版日期：2023-01-03（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：195-202