-
题名一种优化YOLO模型的交通警察目标检测方法
被引量:9
- 1
-
-
作者
李妮妮
王夏黎
付阳阳
郑凤仙
何丹丹
袁绍欣
-
机构
长安大学信息工程学院
-
出处
《图学学报》
CSCD
北大核心
2022年第2期296-305,共10页
-
基金
国家重点研发计划项目(2020YFB1600400)。
-
文摘
针对复杂交通场景中交通警察目标检测与定位准确率低的问题,提出一种优化YOLOv4模型的交通警察目标检测方法。首先,采用4种随机转换方式对自建的交通警察数据集进行扩充,解决了模型过拟合问题并提高模型的泛化能力;其次,将YOLOv4主干网络替换为MobileNet并引入Inception-Resnet-v1结构,有效地减少了参数总量并加深了网络层数;然后,使用K-means++聚类算法对自建数据集进行聚类分析以重新定义网络的初始候选框,提高了交通警察目标深度特征的学习效率;最后,引入焦点损失函数以优化分类损失函数,解决了训练中正负样本数量不平衡问题。研究结果表明,优化后的YOLOv4模型大小仅50 M,AP值达98.01%,与FasterR-CNN,YOLOv3和原始YOLOv4模型相比均有提升。有效解决了目前复杂交通场景中交通警察目标的漏检、误检及检测精度低等问题。
-
关键词
交通警察目标检测
YOLOv4模型
K-means++聚类算法
深度特征学习
焦点损失函数
-
Keywords
traffic police object detection
YOLOv4 model
K-means++clustering algorithm
deep feature learning
focus loss function
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-