10.3969/j.issn.1672-9722.2023.03.015
基于YOLOv4-tiny改进的交通标志识别算法
针对交通标志目标识别精度较低、速度慢并且模型参数量过大的问题,论文提出一种改进YOLOv4-tiny识别算法,在特征提取阶段引入深度可分离卷积轻量化主干网络并降低模型的参数量和计算量.在特征融合阶段使用递归特征金字塔(RFP)进行多尺度特征融合.在TT100K数据集上验证改进算法的平均精度均值达到 88.5%,相比YOLOv4-tiny提升4.6%,模型大小仅为17MB是YOLOv4-tiny的56%,改进算法降低了模型大小和计算量并提升检测精度和速度.
深度可分离卷积、递归特征金字塔、交通标志识别、YOLOv4-tiny
51
TP391(计算技术、计算机技术)
2023-07-07(万方平台首次上网日期,不代表论文的发表时间)
共6页
618-622,644