改进YOLOv4的车辆图像检测算法研究

Intelligent Computer and Applications（2022）

Cited 0|Views1

No score

Abstract

针对自动驾驶车辆真实行驶场景下因环境复杂,车辆间目标遮挡、环境背景遮挡等导致的车辆检测误检、漏检和定位不准的问题,本文提出了一个改进YOLOv4模型的车辆检测算法.该算法在YOLOv4网络的Backbone与Neck的通道处以及Neck的上采样与下采样处分别添加7处CBAM注意力机制,以提升网络提取有效特征的能力.并利用k-means聚类算法生成适合数据集的锚框.为检验模型的有效性,对数据集进行重新整理与划分,将与车辆无关的种类删去,将Car、Bus、Truck三类合并为Vehicle一类,随后进行实验,并与当前主流的其他目标检测模型进行对比.实验证明,改进的YOLOv4算法比原算法AP提升了4.8％,准确率提升了4.54％,召回率提高了0.9％,优于大部分主流算法.提出的模型为复杂环境下自动驾驶领域的车辆识别提供了有效方法.

AI Read Science

Must-Reading Tree

Example

Generate MRT to find the research sequence of this paper

Chat Paper

Summary is being generated by the instructions you defined