首页|YOLO v4框架下Multi-Patch多帧增量式交通视频目标检测

YOLO v4框架下Multi-Patch多帧增量式交通视频目标检测

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
提升目标检测模型的泛化能力是计算机视觉领域的研究热点和关键难点.本文提出了一种Multi-Patch方法和多帧增量式预测策略,提升了不同场景下交通视频目标检测的稳健性,有效解决了目标尺度多变导致的视频中目标召回率低的问题.根据视频分辨率和目标尺寸,基于Multi-Patch方法自动将视频帧分割成最佳输入尺寸,使用YOLO v4神经网络并关联连续帧的上下文信息,采用增量式预测策略降低视频目标检测的漏检率,提升不同场景下视频目标的检测置信度得分和召回率.采集不同拍摄条件下的交通视频,验证该方法的有效性.试验结果表明,本文提出的目标检测方法召回率在80％以上,置信度平均得分在0.84以上.
Multi-Patch multi-frame incremental traffic video object detection method based on YOLO v4

文奴、郭仁忠、贺彪、万远

展开 >

深圳大学建筑与城市规划学院,广东 深圳518061

深圳大学智慧城市研究院,广东 深圳518061

粤港澳智慧城市联合实验室,广东 深圳518061

城市国土资源监测与仿真重点实验室,广东 深圳518034

湖北师范大学城市与环境学院,湖北 黄石435002

展开 >

视频目标检测 多帧融合 YOLO v4 卷积神经网络

广东省科技创新战略专项自然资源部城市国土资源监测与仿真重点实验室开放基金

2020B1212030009KF-2018-03-031

2022

测绘通报
测绘出版社

测绘通报

CSTPCDCSCD北大核心
影响因子：1.027
ISSN：0494-0911
年,卷(期)：2022.(5)
  • 5