典型文献
TidyYOLOv4-SPP3实时精细无人驾驶目标检测算法研究
文献摘要：
无人驾驶车辆在复杂的城市交通环境中的视觉检测是研究中的一个难点,由于车辆的激增与交通的迅速发展使得无人驾驶难以在此环境下快速精准地检测到目标对象.视觉识别算法YOLOv4在环境识别中拥有优秀的检测功能,但在复杂场景中受相对速度和小目标的制约无法满足无人驾驶的需求.实验通过在YOLOv4的三个YOLO检测头前增添空间金字塔模块来提高检测精度的需求,然后在网络优化的基础上通过剪枝策略来精简目标检测算法满足实时性的需求,总体优化后的算法称为TidyY-OLOv4-SPP3.TidyYOLOv4-SPP3与YOLOv4在VOC2012数据集上得出的实验结果如下:Inference time比YOLOv4减少了76.38％,Volume比YOLOv4减少了93.35％,精度没有显著变化.根据以上实验结果可知TidyYOLOv4-SPP3更适合无人驾驶视觉在复杂城市交通环境下的检测.
文献关键词：
TidyYOLOv4-SPP3;目标检测;模型压缩;无人驾驶
中图分类号：
作者姓名：
刘新潮;严英;甘海云
作者机构：
天津职业技术师范大学汽车与交通学院,天津 300222;智能车路协同与安全技术国家地方联合工程研究中心,天津 300084
文献出处：
引用格式：
[1]刘新潮;严英;甘海云-.TidyYOLOv4-SPP3实时精细无人驾驶目标检测算法研究)[J].大连交通大学学报,2022(03):72-78
A类：
TidyYOLOv4,SPP3,TidyY,OLOv4
B类：
目标检测算法,算法研究,无人驾驶车辆,城市交通,交通环境,视觉检测,激增,视觉识别,识别算法,环境识别,复杂场景,相对速度,小目标,检测头,头前,空间金字塔模块,高检,检测精度,网络优化,剪枝,精简目标,法称,VOC2012,上得,Inference,Volume,模型压缩
AB值：
0.309211
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。
