基于改进YOLOv4的前方车辆检测方法

房鑫; 陈兵旗; 彭书博; 张雄楚; 李永正

doi:10.13873/J.1000-9787(2024)10-0155-05

Chinese

您当前的位置：

首页 >

文章列表页 >

基于改进YOLOv4的前方车辆检测方法

计算与测试 | 更新时间：2025-09-11

- 基于改进YOLOv4的前方车辆检测方法
- 暂无标题
- 传感器与微系统 2024年第10期页码：155-159
- 作者机构：
  
  中国农业大学工学院
- 作者简介：
- 基金信息：
  
  国家重点研发计划资助项目(2016YFD07011504)
- DOI：10.13873/J.1000-9787(2024)10-0155-05
  中图分类号： TP18;U463.6;TP391.41
- 纸质出版：2024
- 稿件说明：
移动端阅览
房鑫, 陈兵旗, 彭书博, 等. 基于改进YOLOv4的前方车辆检测方法[J]. 传感器与微系统, 2024,(10):155-159.
房鑫, 陈兵旗, 彭书博, 等. 基于改进YOLOv4的前方车辆检测方法[J]. 传感器与微系统, 2024,(10):155-159. DOI： 10.13873/J.1000-9787(2024)10-0155-05.

DOI：

摘要

针对现有深度学习算法对车辆检测精度不高、实时性不足以及对小目标检测能力较弱的问题，提出一种基于改进YOLOv4的前方车辆检测方法。针对小目标漏检率高的问题，使用密集连接块替代CSPResNet中的残差块，重复利用特征信息，提高小目标的检测能力；针对检测精度和实时性要求，将密集连接块结构修改为卷积、批归一化和激活操作，对结构中的卷积层和批归一化层进行融合并使用Mish激活函数，提高模型的检测精度和速度。实验结果表明，改进YOLOv4算法较原有算法参数量减少23%

检测速度和精度分别提升3.5 fps和2.73%

同时提高了对小目标的检测能力。

Abstract

关键词

Keywords

references

郝新泽,施一萍,邓源,秦瑶,刘瑾.基于轻量化YOLOv4的火灾检测识别算法[J].传感器与微系统,2023(08).

高坤,李汪根,束阳,王志格,葛英奎.融入密集连接的多尺度轻量级人体姿态估计[J].计算机工程与应用,2022(24).

尹宋麟,谭飞,周晴,鲜阳.基于改进YOLOv4模型的交通标志检测[J].无线电工程,2022(11).

牛锐祥,丁华,施瑞,孟祥龙.改进密集连接卷积网络的滚动轴承故障诊断方法[J].振动与冲击,2022(11).

马素刚,陈期梅,侯志强,杨小宝,张子贤.基于密集连接与特征增强的语义分割算法[J].计算机工程,2023(03).

胡均平,孙希.基于改进Faster R-CNN的近红外夜间行人检测方法[J].传感器与微系统,2021(08).

朱泓睿,元国军,姚成吉,谭光明,王展,户忠哲,张晓扬,安学军.分布式深度学习训练网络综述[J].计算机研究与发展,2021(01).

谭力凡,吴俊,曹立波,廖家才.基于AdaBoost和压缩跟踪的前方车辆检测方法[J].汽车技术,2019(02).

黄皓宇.基于Mask R-CNN的街景车辆目标的检测方法研究与应用[D].华中师范大学,2019(01).

Tong Kang,Wu Yiquan,Zhou Fei.Recent advances in small object detection based on deep learning: A review[J].Image and Vision Computing,2020.

Moran Ju,Haibo Luo,Zhongbo Wang,Bin Hui,Zheng Chang.The Application of Improved YOLO V3 in Multi-Scale Target Detection[J].Applied Sciences,2019.

He Kaiming,Zhang Xiangyu,Ren Shaoqing,Sun Jian.Spatial Pyramid Pooling in Deep Convolutional Networks for Visual Recognition.[J].IEEE transactions on pattern analysis and machine intelligence,2015.

浏览量

463

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于改进SRGAN的老照片图像超分辨率重建方法