基于轻量化YOLOv4的交通信息实时检测方法

作者：郭克友; 李雪; 杨民

来源：计算机应用, 2022, 1-9.

• 目标检测
• 深度学习
• 图像处理
• 轻量化
• YOLOv4

针对日常道路场景下的车辆目标检测问题，提出了一种轻量化的YOLOv4交通信息实时检测方法。首先，制作了一个多场景、多时段的车辆目标数据集，并利用K-means++对数据集进行预处理；其次，提出轻量化YOLOv4检测模型，利用MobileNet v3替换YOLOv4的主干网络，降低了模型的参数量，引入深度可分离卷积以代替原网络中的普通卷积；最后，结合标签平滑和退火余弦算法，新增LeakyReLU函数代替原有MobileNet v3浅层网络中的激活函数，优化模型收敛效果。实验结果表明，轻量化的YOLOv4权值文件为56.4MB，检测速率为85.6FPS，检测精度为93.35%，由此可见该方法可以为实际道路中的交通实时信息检测与应用提高参考。

• 单位
  北京工商大学