典型文献
隧道环境中车辆目标检测分析
文献摘要：
为了实现隧道环境中车辆目标实时检测的目的,提出一种改进的YOLOv4目标检测算法.首先使用Mobilenetv3网络替换YOLOv4算法的主干网络,减少算法参数量,提高检测速度;在Mobilenetv3网络中引入混合注意力机制,结合通道与空间维度进一步提高算法的检测精度;提出一种轻量化PANet结构,使用Ghost卷积操作替换普通卷积操作,进一步减少算法参数量.为验证所设计模型的有效性,手工标注了城市隧道车辆数据集.实验表明,文章设计的目标检测模型在隧道车辆数据集上平均精确率达92.08％,与采用YOLOv4网络的检测效果相近,速度却提高了45.7％.
文献关键词：
目标检测;卷积神经网络;隧道环境;智能交通系统
中图分类号：
作者姓名：
田言康;刘飞虎;王群淞
作者机构：
长安大学汽车学院,陕西西安 71006
文献出处：
引用格式：
[1]田言康;刘飞虎;王群淞-.隧道环境中车辆目标检测分析)[J].汽车实用技术,2022(07):84-88
A类：
B类：
隧道环境,车辆目标检测,检测分析,实时检测,YOLOv4,目标检测算法,Mobilenetv3,主干网络,少算,算法参数,参数量,高检,检测速度,混合注意力机制,合通,空间维度,检测精度,PANet,Ghost,卷积操作,设计模型,城市隧道,辆数,目标检测模型,精确率,检测效果,智能交通系统
AB值：
0.40458
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。
