典型文献
改进MobileNetv3-YOLOv3交通标志牌检测算法
文献摘要：
提出了一种改进的MobileNetv3-YOLOv3算法.引入SPPNet去除重复特征,提高候选框的选取速度,加快模型的推理速度;引入CSPNet消除计算瓶颈,节省计算量;引入Focus层防止特征图信息丢失,保证模型的准确度.在CC T SDB数据集上的实验结果表明:MobileNetv3与YOLOv3算法结合最佳,改进MobileNetv3-YOLOv3算法的平均精度高达97.7％,检测速度FPS达到89,与YOLOv3算法相比较,本文算法精确度(P)、召回率(R)、平均精度值(mAP)、每秒传输帧数(FPS)都得到了提升,分别提升6％,1.8％,1.8％ 和15％,与最新的算法相比较本文的P值以及mAP值均取得了最优的结果.可以看出所提出的算法在极大地减少模型参数量和计算量的同时,提高了检测精度以及检测速度.
文献关键词：
交通标志检测;MobileNet;聚焦层;跨阶段局部网络
中图分类号：
作者姓名：
刘宇宸;石刚;崔青;刘明辉;郑秋萍
作者机构：
新疆大学信息科学与工程学院,新疆乌鲁木齐830046
文献出处：
引用格式：
[1]刘宇宸;石刚;崔青;刘明辉;郑秋萍-.改进MobileNetv3-YOLOv3交通标志牌检测算法)[J].东北师大学报（自然科学版）,2022(02):53-60
A类：
B类：
MobileNetv3,YOLOv3,交通标志牌,检测算法,SPPNet,候选框,推理速度,CSPNet,计算量,Focus,特征图,图信息,信息丢失,CC,SDB,检测速度,FPS,召回率,平均精度值,mAP,每秒,秒传,模型参数量,检测精度,交通标志检测,聚焦层,跨阶段局部网络
AB值：
0.478959
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
