基于YOLO v4的车辆目标检测算法

摘要：

针对车辆目标检测中存在遮挡目标导致检测精度低、小目标检测效果差等问题,提出一种基于YOLO v4改进的目标检测算法YOLO v4-ASC.通过在主干提取网络尾部加入卷积块注意力模块,提升网络模型的特征表达能力;改进损失函数提升网络模型的收敛速度,利用Adam+SGDM优化方法替代原始模型优化方法SGDM,进一步提升模型检测性能.此外,利用K-Means聚类算法优化先验框尺寸大小,并合并交通场景数据集中的car、truck、bus类别为vehicle,将本文问题简化为二分类问题.实验结果表明,本文提出的YOLO v4-ASC目标检测算法在保持原算法检测速度的基础上,AP达到了70.05％,F1-score达到了71％,与原YOLO v4算法相比,AP提升了9.92个百分点,F1-score提升了9个百分点.

关键词：YOLO v4、模型优化、卷积块注意力模块

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家自然科学基金U1864204

在线出版日期：2022-08-03（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：8-14