文档名：基于改进YOLOXtiny算法的交警手势识别
摘要：为了在城市中实现无人驾驶,需要能够高效检测交警的现场指挥手势.针对现有手势识别算法识别精度低、检测速度慢、难以应对复杂道路环境等问题,提出一种改进的YOLOX-tiny交警手势识别算法.首先,使用改进后的GhostNet网络替换原主干网络,并且插入坐标注意力机制,全面提取输入图像特征,提高了网络的检测精度,同时提升了对中小型目标的检测效果;其次,改进解耦头部分,设计了SCDEHead结构,在减少计算量的同时过滤冗余信息,使得解耦头更有效率,并且解耦头融合了多尺度的特征,提升了目标检测准确率;最后,将SIoU应用到定位损失中,加快网络收敛的速度,提升回归精度.在自制的交警指挥手势数据集上进行测试,实验结果表明,与YOLOX-tiny模型对比,改进后算法参数量减少了27.97%,模型计算量减少了33.31%,且平均检测精度提高了2.31%,检测速度提升了45%,更适合汽车无人驾驶以及硬件部署方面的实际需求.
Abstract：Inordertoachieveautonomousdrivingincities,itisnecessarytobeabletoefficientlydetecttheon-sitecommandgesturesoftrafficpolice.Aimingattheproblemsoflowrecognitionaccuracy,slowdetectionspeed,anddifficultyindealingwithcomplexroadenvironmentsinexistinggesturerecognitionalgorithms,animprovedYOLOX-tinytrafficpolicegesturerecognitionalgorithmisproposed.Firstly,animprovedGhostNetnetworkwasusedtoreplacetheoriginalbackbonenetwork,andaCoordinateAttentionmechanismwasinsertedtocomprehensivelyextractinputimagefeatures,improvingthedetectionaccuracyofthenetworkandenhancingthedetectionperformanceforsmallandmedium-sizedtargets;Secondly,thedecouplingheadwasimprovedbydesigningtheSCDEHeadstructure,whichreducescomputationalcomplexitywhilefilteringredundantinformation,makingthedecouplingheadmoreefficient.Thedecouplingheadalsointegratesmulti-scalefeatures,improvingtheaccuracyofobjectdetection;Finally,applyingSIoUtolocalizationlossacceleratesnetworkconvergenceandimprovesregressionaccuracy.Testedonaself-madetrafficpolicecommandgesturedataset,theexperimentalresultsshowedthatcomparedwiththeYOLOX-tinymodel,theimprovedalgorithmreducedthenumberofparametersby27.97%,themodel'scomputationalcomplexityby33.31%,andtheaveragedetectionaccuracyincreasedby2.31%,witha45%increaseindetectionspeed,whichismoresuitableforthepracticalneedsofautonomousdrivingandhardwaredeployment.
作者：方吴逸 陈章进 唐英杰Author：FangWuyi ChenZhangjin TangYingjie
作者单位：上海大学微电子研究与开发中心上海200444
刊名：电子测量技术 ISTICPKU
Journal：ElectronicMeasurementTechnology
年，卷(期)：2024, 47(8)
分类号：TP391.4TN791
关键词：交警手势识别 YOLOX-tiny 网络轻量化 GhostNet 注意力机制
Keywords：trafficpolicegesturerecognition YOLOX-tiny networklightweight GhostNet attentionmechanism
机标分类号：TP391.41TP274.5TN941.1
在线出版日期：2024年7月16日
基金项目：基于改进YOLOX-tiny算法的交警手势识别[
期刊论文] 电子测量技术--2024, 47(8)方吴逸 陈章进 唐英杰为了在城市中实现无人驾驶,需要能够高效检测交警的现场指挥手势.针对现有手势识别算法识别精度低、检测速度慢、难以应对复杂道路环境等问题,提出一种改进的YOLOX-tiny交警手势识别算法.首先,使用改进后的GhostNet网络替...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
基于改进YOLOX-tiny算法的交警手势识别 Traffic police gesture recognition based on improved YOLOX-tiny algorithm
基于改进YOLOX-tiny算法的交警手势识别.pdf
- 文件大小:
- 15.27 MB
- 下载次数:
- 60
-
高速下载
|
|
