首页|改进MobileViT与YOLOv4的轻量化车辆检测网络

改进MobileViT与YOLOv4的轻量化车辆检测网络

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
基于深度学习的目标检测算法在智能交通的应用中,对于车辆检测存在模型参数量大、计算速度慢和简单网络精准度较低的问题.本文提出了一种高效的轻量化车辆检测模型,该检测模型采用YOLOv4网络作为参考模型进行改进.首先,本文采用CSPMobileViT网络来替换原始主干网络,然后将PANet替换成BiFPN,并且将BiFPN中的3×3标准卷积替换成深度可分离卷积,最后,在BiFPN之前和YOLO-Head之前添加ECA模块.在损失函数部分,将边框回归损失CIoU改进为Focal EIoU来解决难易样本不平衡的问题.实验结果表明改进网络的mAP值为96.77％,检测速度达到每张图片0.023 4 s,模型大小只有32.76 MB,参数量为8 587 541,与原始算法相比mAP提升了 1.54％,而模型大小和参数量仅约为原始模型1/8,并且FPS提升了 7.5,改进算法具有更好检测效果.
Lightweight vehicle detection network based on MobileViT and YOLOv4

郑玉珩、黄德启

展开 >

新疆大学电气工程学院 乌鲁木齐830017

YOLOv4 MobileViT 车辆检测 轻量化网络

国家自然科学基金

51468062

2023

10.19651/j.cnki.emt.2210441

电子测量技术
北京无线电技术研究所

电子测量技术

CSTPCD北大核心
影响因子：1.166
ISSN：1002-7300
年,卷(期)：2023.46(2)
  • 7
  • 9