典型文献
基于轻量化YOLOv4电动车头盔检测的算法
文献摘要：
在城市交通中,时常出现电动车骑行者引发的安全事故,佩戴安全头盔可以有效地避免或降低安全事故带来的损害,因此提出了一种基于改进YOLOv4的电车头盔检测算法,可以有效地检测电动车骑行者佩戴头盔的状况.首先建立电车头盔数据集并对其进行标注,利用数据增强方法扩充数据集;再将主干网络CSPDarknet中普通卷积改为深度可分离卷积,减少计算量,便于用于交通部门实际检测中;然后运用k-means++聚类算法对网络anchors进行重新设置,提高网络提取特征的能力;最终改进后的YOLOv4网络的平均精度均值(mAP)提高了2.75％.
文献关键词：
头盔检测;YOLOv4;深度可分离卷积;平均精度均值
中图分类号：
作者姓名：
王艳鹏;王振亚;赵继红;葛广英
作者机构：
聊城大学物理科学与信息工程学院,山东 聊城 252059;聊城大学计算机学院,山东 聊城 252059
文献出处：
引用格式：
[1]王艳鹏;王振亚;赵继红;葛广英-.基于轻量化YOLOv4电动车头盔检测的算法)[J].自动化应用,2022(06):8-12
A类：
B类：
YOLOv4,电动车头盔,头盔检测,城市交通,车骑,骑行者,安全事故,佩戴,安全头盔,电车,检测算法,数据增强,增强方法,充数,主干网络,CSPDarknet,深度可分离卷积,减少计算量,交通部门,means++,聚类算法,anchors,提取特征,平均精度均值,mAP
AB值：
0.333988
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。
