首页> 中文期刊> 《计算机工程》 >基于Dim env-YOLO算法的昏暗场景车辆多目标检测

基于Dim env-YOLO算法的昏暗场景车辆多目标检测

         

摘要

低照度的夜间路况复杂,现有夜间车辆识别相关研究较少,且存在识别方法实时性不高、过多占用硬件资源等不足。针对夜间场景车辆识别干扰因素较多、检测效果不佳的问题,提出一种基于YOLOv4的Dim env-YOLO车辆目标检测算法。利用MobileNetV3网络替换原始YOLOv4中的主干网络,以减少模型参数量。在改进的YOLOv4模型上使用图像暗光增强方法,提高车辆目标在昏暗环境中的可识别性。在此基础上,引入注意力机制加强特征信息选择,同时利用深度可分离卷积降低网络计算量。选取北京部分道路的夜间场景图片自制数据集并进行实验验证,结果表明,在存在高斯噪声、模糊扰动、雨雾夜晚等情况下,Dim env-YOLO算法的测试结果较稳定,对于照度低于30 lx的昏暗条件下的车流,其检测mAP值达到90.49%,对于最常见的轿车类别,mAP值达到96%以上,优于Faster-RCNN、YOLOv3、YOLOv4等网络模型在昏暗光照条件下的检测效果。

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
获取原文

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号