典型文献
基于YOLOv4的车辆检测与识别研究
文献摘要：
对车辆信息进行监控是交通灯智能调控中的重要技术,为了应对当前车辆信息监控技术在精度、速度以及稳定性方面带来的挑战,文中提出了一种基于YOLOv4的车辆检测与识别算法.通过网络爬虫技术采集车辆数据集,并使用旋转、缩放以及加噪声等数据增强算法扩充各类车辆的数据集,再手动对数据集进行标注.使用K-means++聚类方式得到适应于该数据集的锚框坐标点,并用CIOU损失函数对训练过程进行优化,再经过CSPDarkNet53网络框架进行训练,发现实验结果达到了良好的效果,可满足实际应用的需要.
文献关键词：
车辆检测;YOLOv4;K-means++聚类;CSPDarkNet53;CIOU;Anchor Box
中图分类号：
作者姓名：
王嘉璐;王颖;钱立峰;施恺杰;谢剑锋;杨昊天
作者机构：
南昌工程学院信息工程学院,江西南昌 330022
文献出处：
引用格式：
[1]王嘉璐;王颖;钱立峰;施恺杰;谢剑锋;杨昊天-.基于YOLOv4的车辆检测与识别研究)[J].物联网技术,2022(02):24-27
A类：
B类：
YOLOv4,车辆检测,检测与识别,交通灯,智能调控,前车,信息监控,监控技术,面带,识别算法,网络爬虫技术,采集车,辆数,缩放,数据增强,增强算法,means++,应于,锚框,坐标点,CIOU,损失函数,训练过程,再经,CSPDarkNet53,网络框架,Anchor,Box
AB值：
0.508926
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。
