基于计算机软件技术在大数据时代的应用研究

在当前大数据时代背景下,计算机软件技术的迅速发展已经引领人类进入了一个信息爆炸的新时代。在交通目标识别问题中,也广泛应用了计算机软件技术,然而低光照交通环境会显著降低图像的质量,进而影响识别的准确率。为了解决这一问题,研究提出Yolov4的改进算法CLAHE-GhostNet-CBAM-Yolov4(CGC-Yolov4)。研究在输入模块中对输入图像采用CLAHE图像增强算法,用GhostNet替代Yolov4主干网络,在瓶颈网络的末端添加了注意力机制。性能测试的结果表明在行人目标识别中,研究提出的模型F1得分在第12次迭代达到91%,最高可达98%。实验结果表明,相较于传统模型CGC-Yolov4不仅提高了识别效率,也保持了极佳的实时处理能力,证明了其在夜间交通目标识别应用中的实用性和有效性。