期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到1篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于道路特征增强改进YOLOv4的模糊交通标志检测 被引量：1
1
作者 安伟强 王卫星 +2 位作者 闫迪 王梦菲 李宏霞 《微电子学与计算机》 2023年第7期73-81,共9页
由于外界因素干扰容易导致交通标志在图像中成像模糊,极大的降低了交通标志的检测精度.同时,考虑到交通标志检测的应用场景大多需要较高的实时性,提出一种基于道路特征增强改进YOLOv4的模糊交通标志检测算法.首先,为了抑制交通标志图片... 由于外界因素干扰容易导致交通标志在图像中成像模糊,极大的降低了交通标志的检测精度.同时,考虑到交通标志检测的应用场景大多需要较高的实时性,提出一种基于道路特征增强改进YOLOv4的模糊交通标志检测算法.首先,为了抑制交通标志图片中杂乱的背景信息并有效捕获交通标志特征,在YOLOv4的特征提取部分嵌入了坐标注意力.然后,YOLOv4采用最大池化进行下采样忽略了移位等变性的丢失,容易导致模糊交通标志的特征提取不稳定.为了更加有效的提取图像特征,采用BlurPool进行下采样来更加有效的保留模糊交通标志特征.最后,在特征融合阶段采用DUpsampling进行上采样以建立新插入像素和原有像素之间的相关性.实验结果表明,改进后的YOLOv4模型尺寸和参数量相较于原算法分别降低了10.18%和11.32%,FPS和mAP分别提升了2.02和1.34.通过与YOLOv3_SPP、SSD、Faster RCNN和其他交通标志检测算法对比,改进后的YOLOv4性能均优于这些算法.通过输入图像测试,本文所改进的算法在现实场景中对模糊交通标志检测具有了更好的性能. 展开更多
关键词 YOLOv4 道路交通标志检测 坐标注意力 blurpool DUpsampling
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部