基于YOLO v4的车辆目标检测算法

作者：殷远齐; 徐源; 邢远新

来源：计算机与现代化, 2022, (07): 8-14.

• YOLO v4
• 模型优化
• 卷积块注意力模块

针对车辆目标检测中存在遮挡目标导致检测精度低、小目标检测效果差等问题，提出一种基于YOLO v4改进的目标检测算法YOLO v4-ASC。通过在主干提取网络尾部加入卷积块注意力模块，提升网络模型的特征表达能力；改进损失函数提升网络模型的收敛速度，利用Adam+SGDM优化方法替代原始模型优化方法 SGDM，进一步提升模型检测性能。此外，利用K-Means聚类算法优化先验框尺寸大小，并合并交通场景数据集中的car、truck、bus类别为vehicle，将本文问题简化为二分类问题。实验结果表明，本文提出的YOLO v4-ASC目标检测算法在保持原算法检测速度的基础上，AP达到了70.05%,F1-score达到了71%，与原YOLO v4算法相比，AP提升了9.92个百分点，F1-score提升了9个百分点。