科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对智能交通中车辆目标检测算法网络结构庞大复杂、计算参数多以及传输速率低、硬件要求高的问题，基于YOLOv4算法提出了一种轻量化的目标检测算法G-YOLOv4。使用GhostNet网络结构代替原本的骨干网络，降低骨干网络中的计算量和参数量。在特征融合阶段，将PANet结构与加权双向融合Bi-FPN相融合，通过Bi-FPN的注意力机制提高目标检测的精度。最后，将网络中的卷积替换为深度可分离卷积，进一步提高网络的轻量化水平。实验表明G-YOLOv4算法的平均准确率达到了80.82%，模型大小为43.1 MB，车辆检测准确率达到了92.99%，传输速率达到42.89 f/s，大幅减少了网络模型体积，本文提出的算法具有较高的检测精度和实时检测速率，可以满足智能交通中嵌入式设备的车辆目标检测的准确性、轻量化和实时性的需求。
- 单位
