文献检索-宁波市创意产业特色资源库

限定检索结果

基于改进YOLOv4算法在车辆检测中的应用: 收藏
分享
引用; 《电子设计工程》2022年第24期30卷 37-42页; 作者：赵燕姣李钢姚琼辛任杰长安大学信息工程学院陕西西安710061; 针对处在恶劣的天气、严重遮挡、过暗或过亮的光照等复杂环境下,现存的目标检测算法对车辆的检测准确度不高,针对该问题提出了基于YOLOv4的改进算法来检测目标车辆。使用图像处理算法处理数据集,模拟复杂环境,以增强算法的鲁棒性;使用K-...; 针对处在恶劣的天气、严重遮挡、过暗或过亮的光照等复杂环境下,现存的目标检测算法对车辆的检测准确度不高,针对该问题提出了基于YOLOv4的改进算法来检测目标车辆。使用图像处理算法处理数据集,模拟复杂环境,以增强算法的鲁棒性;使用K-means++聚类算法优化先验框参数,提高先验框与目标的匹配度;在骨干网中加入空洞卷积(Dilated Convolution)模块,使骨干网络能更好地提取车辆特征;使用Focal Loss损失函数代替交叉熵损失函数,解决检测过程中正样本数和负样本数相差过大的问题。通过实验可得mAP为86.13%,相较原YOLOv4算法提高了7.31%,检测精度在一定程度上优于原YOLOv4检测算法。; 来源：详细信息评论

限定检索结果