典型文献
基于YOLO v4的车辆目标检测算法
文献摘要：
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.
文献关键词：
YOLO v4;模型优化;卷积块注意力模块
中图分类号：
作者姓名：
殷远齐;徐源;邢远新
作者机构：
长安大学信息工程学院,陕西 西安 710064
文献出处：
引用格式：
[1]殷远齐;徐源;邢远新-.基于YOLO v4的车辆目标检测算法)[J].计算机与现代化,2022(07):8-14
A类：
Adam+SGDM,SGDM
B类：
YOLO,v4,车辆目标检测,目标检测算法,遮挡目标,检测精度,小目标检测,检测效果,ASC,尾部,卷积块注意力模块,特征表达,表达能力,损失函数,函数提升,收敛速度,模型优化,模型检测,检测性能,Means,聚类算法,算法优化,先验框,并合,交通场景,car,truck,bus,vehicle,二分类问题,检测速度,AP,score,百分点
AB值：
0.362759
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。
