典型文献
基于梯度压缩的YOLO v4算法车型识别
文献摘要：
为进一步提高智能交通系统对车辆及不同车型识别的泛化性、鲁棒性与实时性.根据检测区域的特征有针对性地构建数据集,改变余弦退火衰减(CD)学习率的更新方式,提出一种基于梯度压缩(GC)的Adam优化算法(Adam?GC)来提高YOLO v4算法的训练速度、检测精度以及网络模型的泛化能力.为验证改进后YOLO v4算法的有效性,对实际路况的车流进行采集后,利用训练完成的网络模型对不同密度车流进行定量的车型检测实验验证.经实验验证,改进后方法的整体检测结果要优于改进前,YOLO v4和YOLO v4 GC CD训练得到的网络模型在阻塞流样本下检测得到的准确率分别为94.59％和96.46％;在同步流样本下检测得到的准确率分别为95.34％和97.20％;在自由流样本下检测得到的准确率分别为95.98％和97.88％.
文献关键词：
梯度压缩;学习率;Adam优化算法;YOLO v4;车型识别
中图分类号：
作者姓名：
牟亮;赵红;李燕;仇俊政;孙传龙;刘晓童
作者机构：
青岛大学机电工程学院, 青岛 266071
文献出处：
引用格式：
[1]牟亮;赵红;李燕;仇俊政;孙传龙;刘晓童-.基于梯度压缩的YOLO v4算法车型识别)[J].工程科学学报,2022(05):940-950
A类：
梯度压缩,车型检测
B类：
YOLO,v4,车型识别,高智能,智能交通系统,同车,泛化性,余弦退火衰减,CD,学习率,更新方式,Adam,训练速度,检测精度,泛化能力,路况,车流,流进,不同密度,后方法,进前,练得,阻塞流,同步流,自由流
AB值：
0.313371
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。
