首页|基于YOLOv4-Ghost交通标志检测

基于YOLOv4-Ghost交通标志检测

扫码查看
原文链接
  • 万方数据
  • 维普
近年来,用于交通标志检测的模型通常需要高性能GPU设备才能做到实时性,而计算资源受限的设备很难满足实时性计算任务的需求.针对此问题,提出一种改进的目标检测网络YOLOv4-Ghost模型,实现对算力要求较低的交通标志实时检测模型.利用数据增强策略来模拟真实环境中出现过的天气情况;将GhostNet轻型网络作为检测模型的骨干网络降低模型参数量;优化Neck部分参数量占比最高的PANet模块中普通卷积为Ghost卷积块;Head部分只保留两个检测尺寸较小的预测器.实验结果表明,改进的YOLOv4-Ghost模型权重文件大小是原始YOLOv4模型的17.5％,帧数最快是YO?LOv4的2倍,平均精度(mAP)仅降低1.42％.YOLOv4-Ghost可用于实时性和检测精度要求较高的道路交通标志检测要求.
Traffic Sign Detection Based on YOLOv4-Ghost

罗相好、李泽平、朱红艳

展开 >

贵州大学计算机科学与技术学院 贵阳 550025

机器视觉 目标检测 轻量化 交通标志 深度学习

国家自然科学基金

61462014

2022

10.3969/j.issn.1672-9722.2022.06.026

计算机与数字工程
中国船舶重工集团公司第七0九研究所

计算机与数字工程

CSTPCD
影响因子：0.355
ISSN：1672-9722
年,卷(期)：2022.50(6)
  • 1
  • 6