一种跨层融合改进的YOLOv4道路目标识别算法
公开
摘要
本发明提出了一种跨层融合改进的YOLOv4道路目标识别算法，所用数据集是KITTI道路目标数据集，为了使模型能够更加轻量化的同时还能保持检测精度，本发明方法以YOLOv4为基础网络，借鉴DenseNet的思想，设计了Dense‑SPP跨层空间池化模块和Dense‑特征融合模块，并且对原始模型进行参数剪枝以及削减，设计了轻量化的Dense‑YOLOv4‑Small网络模型，将骨架网络CSPDarknet‑53中CSP模块进行削减，将原本CSP模块中ResUnit的数量统一设置为1个，对网络进行剪枝消除网络的冗余计算，将KITTI道路目标数据集中的“Misc”和“Dontcare”剔除得到KITTI‑7classes道路目标数据集，在该数据集上对YOLOv4、Dense‑YOLOv4、Dense‑YOLOv4‑Small三个模型进行训练，并对比三种模型的检测速度和检测性能；检测结果表明Dense‑YOLOv4‑Small的检测速度大幅度提升，检测精度几乎不变。
基本信息
专利标题 ：
一种跨层融合改进的YOLOv4道路目标识别算法
专利标题（英）：
暂无
公开（公告）号 ：
CN114565896A
申请号 ：
CN202210006574.4
公开（公告）日 ：
2022-05-31
申请日 ：
2022-01-05
授权号 ：
暂无
授权日 ：
暂无
发明人 ：
王兰美王翔宇王桂宝廖桂生王新宽孙长征
申请人 ：
西安电子科技大学;陕西理工大学
申请人地址 ：
陕西省西安市雁塔区太白南路2号
代理机构 ：
代理人 ：
优先权 ：
CN202210006574.4
主分类号 ：
G06V20/54
IPC分类号 ：
G06V20/54 G06V20/56 G06V40/10 G06V10/44 G06V10/764 G06V10/82 G06K9/62 G06N3/04 G06N3/08
法律状态
2022-05-31 ：
公开
注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
暂无PDF文件可下载
