-
题名基于轻量化ConvLSTM的密集道路车辆检测算法
- 1
-
-
作者
金枝
张倩
李熙莹
-
机构
中山大学智能工程学院
广东省智能交通系统重点实验室
视频图像智能分析与应用技术公安部重点实验室
-
出处
《计算机工程与应用》
CSCD
北大核心
2023年第8期89-96,共8页
-
基金
国家重点研发计划项目(2018YFB1601100)
国家自然科学基金面上项目(62071500)
深圳市科技计划(GXWD20201231165807008)。
-
文摘
针对拥堵场景中目标遮挡引起的漏报、误报等问题,考虑到视频中同一车辆在不同时刻下重叠程度不同,利用未被遮挡时刻车辆所提供的特征有助于当前时刻目标车辆的检测,提出了一种适用于密集场景的车辆检测算法WB-YOLO v5。算法结合ConvLSTM模型的输入数据结构,设计了特征选择和特征稀疏模块,实现了特征的重标定;并将特征选择和特征稀疏模块输出的特征送入ConvLSTM的不同支线,实现了不同时刻特征的强化与衰减;再使用1×1卷积替换原始门控结构,构建轻量化的WBConvLSTM,以减少参数量和计算量,提升训练速度与小样本数据源目标的检测准确率;在YOLO v5的Neck端引入WBConvLSTM,实现网络特征提取能力的增强。实验结果表明,相比于YOLO v5,WB-YOLO v5的检测平均准确率有1.83个百分点的提高。相比于ConvLSTM,WBConvLSTM的参数量和计算量分别减少约2/3和6/13。
-
关键词
密集车辆
轻量化convlstm
特征稀疏
特征选择
时空信息
-
Keywords
dense vehicles
lightweight convlstm
feature sparse
feature selection
spatiotemporal information
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-