改进YOLOv4的复杂交通场景目标检测方法

摘要：

针对复杂交通场景下密集小目标居多、目标尺寸差异大、目标间遮挡严重的问题,提出了 一种基于YOLOv4框架的复杂交通场景下的目标检测算法.首先,构造多尺度特征融合提取模块作为主干网络特征提取模块,充分提取不同尺度目标特征信息,同时引入轻量化Ghost模块对主干网络特征进行维度调整;其次,将卷积模块与自注意力机制融合,构造倒残差自注意力模块应用到主干网络深层,深层网络在充分提取局部特征信息基础上获得了全局感知;然后,构造轻量级混合注意力模块,抑制背景噪声,增强密集小目标检测能力;最后,在Udacity数据集上进行实验,检测精度达到了 84.41％,相比较YOLOv4,mAP(mean average precision)提高 了 3.07％,对 1 920 x 1 200 分辨率图像的检测 FPS(frames per second)可达到 49,提高 了22.5％,精度提升的前提下实现了较好的实时性,更适用于复杂交通场景下的目标检测任务.

关键词：目标检测、YOLOv4、多尺度特征、注意力机制

所属期刊栏目：23

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;国家科技支撑计划

在线出版日期：2023-05-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：2509-2517