科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对行人过街检测中利用YOLOv4算法应用到Nano嵌入式平台上遇到检测速度慢、精度低的问题，提出一种改进YOLOv4的行人过街检测算法。为了平衡速度与精度，在原YOLOv4进行轻量化改进，对大目标检测网络进行裁减，并在原有的CBL级联下增加两次反馈网络和池化层，同时通过K-means++算法对训练集进行聚类，得到符合行人特征的最优宽高比和锚框个数，减少了网络训练收敛时间。最后结合TensorRT技术使得检测速度进一步提高，可以更好地适配低算力、小容量的嵌入式平台。通过在实际道路行人数据集上进行的实验表明：优化后mAP衡量精度提升了约5%，在Nano平台中，实现了准确率不低于90%的情况下，检测速度由原来的0.8～1.0fps提升到18～20fps。
- 单位
