典型文献
结合颜色分量特征和改进YOLO算法的中国交通标识牌检测
文献摘要：
为了提高利用YOLO算法在自然环境下中国交通标识牌检测的准确性,提出了结合颜色分量特征和改进YO?LO深度学习算法.该算法根据中国交通标志图像的颜色特征,获得中国交通标志牌的RGBN空间下的颜色分量特征图;之后,通过在YOLO算法的每个残渣网络中嵌入卷积层的注意力模块(CBAM)改进YOLO算法,进而提升YOLO算法的准确度;最后,利用改进的YOLO算法训练正负样本的RGBN颜色特征图,实现对自然环境下的中国交通标志牌的快速准确检测.实验结果表明:由于论文提出的方法可以去除了图像中大量干扰因素,使得算法在自然环境下检测精度上得到了提升.
文献关键词：
交通标识牌;目标检测;颜色分量;YOLO算法;注意力模块
中图分类号：
作者姓名：
徐超;秦宇强
作者机构：
太原科技大学计算机科学与技术学院 太原 030024
文献出处：
引用格式：
[1]徐超;秦宇强-.结合颜色分量特征和改进YOLO算法的中国交通标识牌检测)[J].计算机与数字工程,2022(08):1713-1715,1726
A类：
交通标识牌,RGBN
B类：
颜色分量,YOLO,国交,高利,深度学习算法,颜色特征,交通标志牌,特征图,残渣,卷积层,注意力模块,CBAM,算法训练,正负样本,快速准确,干扰因素,检测精度,上得,目标检测
AB值：
0.20877
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。
