基于优化YOLOv4算法的行驶车辆要素检测方法
随着车辆数量的急剧增加,带来了一系列管理问题,智能交通系统是一种有效的解决方式.由于传统的目标识别方式受天气、距离、角度、光照等因素的影响较大,且基于原YOLOv4算法的驾驶员面部、手部等信息检测的准确率不高,提出一种基于优化YOLOv4算法的检测定位方法.在给原YOLOv4网络增加一个更小的检测尺度的同时,使用模糊ISODATA动态聚类算法对先验框数目进行优化,并使用真实十字路口数据集进行实验.实验证明,优化后的网络在训练集中的类间平均准确率为98.56%,检测帧频为41.43帧/s,均高于原网络.
优化YOLOv4、复杂环境、模糊ISODATA动态聚类、目标识别、交通路口
43
TP391.41;TN219(计算技术、计算机技术)
促进高校内涵发展-学科建设专项资助项目;北京学者计划
2022-04-28(万方平台首次上网日期,不代表论文的发表时间)
共9页
248-256