典型文献
基于改进YOLOv4的车辆检测算法研究
文献摘要：
车辆目标检测是智能交通系统中的重要应用领域和技术支撑.文章针对传统YOLOv4算法在远距离场景中目标检测精度较低的问题,使用通道注意力机制和高分辨率网络对传统的YOLOv4目标检测网络结构进行改进,提高车辆目标检测精度.分别在开源Cityscapes数据集上对原模型和改进后的模型分别进行训练并在自制交通场景数据集上进行不同注意力机制模块的YOLOv4目标检测网络性能分析.训练结果显示,改进模型在准确率、召回率、平均精度等方面分别提升约5.1％、4.29％与4.3％,有效提升了算法的车辆检测精度.
文献关键词：
智能交通系统;车辆检测;YOLOv4;深度学习
中图分类号：
作者姓名：
丛犁;黄成斌;刘彬;张超;李锐
作者机构：
国网吉林省电力有限公司信息通信公司,吉林长春 130000;西安电子科技大学通信与信息工程学院,陕西西安 710071;吉林省思极科技有限公司,吉林长春 130021;国网信息通信产业集团有限公司,北京 100070
文献出处：
引用格式：
[1]丛犁;黄成斌;刘彬;张超;李锐-.基于改进YOLOv4的车辆检测算法研究)[J].电力信息与通信技术,2022(08):130-136
A类：
B类：
YOLOv4,车辆检测,检测算法,算法研究,车辆目标检测,智能交通系统,重要应用,远距离,距离场,检测精度,通道注意力机制,高分辨率网络,目标检测网络,高车,开源,Cityscapes,交通场景,注意力机制模块,网络性能分析,改进模型,召回率
AB值：
0.33577
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。
