基于幻象网络的轻量化交通标志检测算法

针对现有基于深度学习的主流卷积神经网络模型内存较大,很难实时对交通标志进行检测的问题。本文提出了一种基于幻象模块的轻量化交通标志检测算法,对YOLOv4算法进行改进,首先改进原模型的主干网络,用幻象网络GhostNet进行替换,大大降低了网络参数。改进原网络中的SPP模块,将并行池化改进为速度更快的串行池化,使得整体网络模型速度有所提升。将Neck结构中的普通卷积替换成深度可分离卷积模块,进一步降低模型参数。通过上述改进,构建轻量化模型。实验表明,改进后的模型是原模型大小的五分之一,仅为41.5M,满足实际应用场景需求。