文献类型：期刊文章

作　　者：周昆阳[1] 郑泽斌[1] 向阳[1] 赵梦婷[1] 唐宇亮[2] 宋锦伟[2] 邵叶秦[2]

机构地区：[1]南通大学张謇学院,江苏南通226019 [2]南通大学交通与土木工程学院,江苏南通226019

出　　处：《电脑知识与技术》

基　　金：南通市科技计划项目(MS12020078);江苏省大学生创新训练计划项目“基于视频的电瓶车驾驶员智能头盔系统”(校企合作)(201910304158H);江苏省大学生创新训练计划项目“基于红外图像的船舶驾驶员违章行为自动识别”(校企合作)(202010304180H);江苏省大学生创新训练计划项目“具有预约功能的园区无人送货小车”(省级一般项目)(202010304122Y);江苏省大学生创新训练计划项目“面向老年人的基于手势识别的智能手机使用助手”(省级重点项目)(202110304047Z);江苏省大学生创新训练计划项目“5G环境下基于手势智能识别的远程机械臂控制系统”(省级重点项目)(202110304050Z)。

年　　份：2022

卷　　号：18

期　　号：4

起止页码：7-9

语　　种：中文

收录情况：普通刊

摘　　要：交通信号灯倒计时数字的快速检测和准确识别可以提高驾驶的安全性,减少交通事故的发生。针对目标检测算法在交通信号灯倒计时数字检测与识别中准确率较低、漏检率较高的问题,提出一种基于改进YOLOv4的交通信号灯倒计时数字检测与识别算法。首先将YOLOv4的主干网络CSPDarkNet53替换为CSPResNet50vd,并将CSPResNet50vd中stage4的3×3标准卷积替换为可变形卷积。实验表明,改进的YOLOv4算法达到79.34%的mAP和9.59%的漏检率。相较于YOLOv4,mAP提高2.58%,漏检率降低1.84%,检测速度提升了22.65%,有效地提高了识别准确率和检测速度、降低了漏检率。

关 键 词：交通信号灯倒计时数字检测与识别  YOLOv4  可变形卷积  

分 类 号：TP311]