计算机时代2023，Issue(10) ：54-58.DOI:10.16644/j.cnki.cn33-1094/tp.2023.10.012

基于改进YOLOv4的电梯内电动车检测算法

Electric bike detection algorithm in elevator based on improved YOLOv4

杨献瑜
计算机时代2023，Issue(10) ：54-58.DOI:10.16644/j.cnki.cn33-1094/tp.2023.10.012
✕
  • NETL
  • NSTL
  • 维普
  • 万方数据

基于改进YOLOv4的电梯内电动车检测算法

Electric bike detection algorithm in elevator based on improved YOLOv4

杨献瑜1
扫码查看

作者信息

  • 1. 浙江理工大学计算机科学与技术学院,浙江 杭州 310018
  • 折叠

摘要

针对智慧电梯安全感知系统要求检测算法具备轻量化以及快速推理的特点,提出基于改进YOLOv4的电梯内电动车检测算法.首先,采用轻量化网络GhostNet作为特征提取网络,减少模型的计算量及参数量;其次,引入CBAM注意力模块,提高算法的检测精度;最后,将FocalLoss机制应用到模型置信度损失中,平衡正负样本.实验结果表明,改进后的YOLO-GCF在电梯内电动车数据集上检测精度为90.14%,参数量减少82.8%,检测速度提升8.8帧/秒,做到了轻量化及快速推理.

关键词

目标检测/注意力模块/YOLOv4/GhostNet/Focal/Loss

Key words

object detection/attention module/YOLOv4/GhostNet/Focal Loss

引用本文复制引用

出版年

2023
计算机时代
浙江省计算技术研究所　浙江省计算机学会

计算机时代

影响因子：0.411
ISSN：1006-8228
参考文献量4
段落导航相关论文