文档名：面向交通视频流的轻量化车辆检测模型
摘要：针对交通视频流中车辆检测模型内存占用大、部分特征难以提取等问题,提出了一种改进的YOLOv7网络模型.使用轻量化结构替换主干网络,引入的无参注意力机制在不增加模型参数量的前提下提升特征提取能力,同时融合改进的双向特征金字塔网络提升检测精度.为了增强模型的鲁棒性,对数据集中的样本进行了随机忽略区域的处理.将改进后的网络模型在处理过的数据集上进行实验,结果表明参数量约为基础模型的1/6,FPS提高到了143.8,mAP0.5提升了9.1%,验证了模型的优越性.
作者：丁华 刘来Author：DINGHua LIULai
作者单位：江苏大学汽车与交通工程学院,江苏镇江212013
刊名：重庆理工大学学报 PKU
Journal：JournalofChongqingInstituteofTechnology
年，卷(期)：2023, 37(21)
分类号：U495
关键词：交通视频流 车辆检测 MobileNetV3 SimAM BiFPN
Keywords：videostreams vehicledetection MobileNetV3 SimAM BiFPN
机标分类号：TP391TP273.4O157.5
在线出版日期：2023年12月18日
基金项目：国家重点研发计划面向交通视频流的轻量化车辆检测模型[
期刊论文] 重庆理工大学学报--2023, 37(21)丁华 刘来针对交通视频流中车辆检测模型内存占用大、部分特征难以提取等问题,提出了一种改进的YOLOv7网络模型.使用轻量化结构替换主干网络,引入的无参注意力机制在不增加模型参数量的前提下提升特征提取能力,同时融合改进的双向...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
面向交通视频流的轻量化车辆检测模型 Lightweight vehicle detection model for traffic video streams
面向交通视频流的轻量化车辆检测模型.pdf
- 文件大小:
- 11.74 MB
- 下载次数:
- 60
-
高速下载
|
|
