文献类型：期刊文章

作　　者：斯洪云[1] 苏盈盈[1] 邓圆圆[1] 郭利霞[1] 陈鑫[1]

Si Hongyun;Su Yingying;Deng Yuanyuan;Guo Lixia;Chen Xin(College of Electrical Engineering,Chongqing University of Science and Technology,Chongqing 401331,China)

机构地区：[1]重庆科技学院电气工程学院,重庆401331

出　　处：《黑龙江工业学院学报（综合版）》

基　　金：重庆科技学院硕士研究生创新计划项目“基于YOLOv7的智能交通监测系统”(项目编号:YKJCX2220419)。

年　　份：2023

卷　　号：23

期　　号：9

起止页码：82-88

语　　种：中文

收录情况：NSSD、普通刊

摘　　要：针对YOLOv4参数量大,车型识别精度还有提升空间的问题,提出了一种改进的YOLOv4目标检测算法。将特征加强网络中的3次卷积和5次卷积全部替换成深度可分离卷积,加快了网络推理速度,同时为了提升网络对细节信息的提取能力,在进入PANet之前引入了CBAM注意力机制模块。通过实验表明,改进后的YOLOv4目标检测算法在7种车型识别上,检测速度与原网络持平,但mAP提高了1.65%,提升了网络的检测精度。

关 键 词：YOLOv4  深度可分离卷积  注意力机制  目标检测

分 类 号：TP391.41]