• 《工程索引》(EI)刊源期刊
  • 综合性科学技术类中文核心期刊
  • 中国科技论文统计源期刊
  • 中国科学引文数据库来源期刊

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于梯度压缩的YOLO v4算法车型识别方法研究

牟亮 赵红 李燕 仇俊政 孙传龙 刘晓童

牟亮, 赵红, 李燕, 仇俊政, 孙传龙, 刘晓童. 基于梯度压缩的YOLO v4算法车型识别方法研究[J]. 工程科学学报. doi: 10.13374/j.issn2095-9389.2020.10.28.006
引用本文: 牟亮, 赵红, 李燕, 仇俊政, 孙传龙, 刘晓童. 基于梯度压缩的YOLO v4算法车型识别方法研究[J]. 工程科学学报. doi: 10.13374/j.issn2095-9389.2020.10.28.006
Research on vehicle recognition method based on gradient compression and YOLO v4 algorithm[J]. Chinese Journal of Engineering. doi: 10.13374/j.issn2095-9389.2020.10.28.006
Citation: Research on vehicle recognition method based on gradient compression and YOLO v4 algorithm[J]. Chinese Journal of Engineering. doi: 10.13374/j.issn2095-9389.2020.10.28.006

基于梯度压缩的YOLO v4算法车型识别方法研究

doi: 10.13374/j.issn2095-9389.2020.10.28.006
详细信息
  • 中图分类号: TP391.4

Research on vehicle recognition method based on gradient compression and YOLO v4 algorithm

  • 摘要: 为进一步提高交通智能系统对车辆及车辆不同车型识别的泛化性、鲁棒性与实时性。根据检测区域的特征有针对性的构建数据集,改变余弦退火衰减(Cosine decay with warmup CD)学习率的更新方式,提出一种基于梯度压缩(Gradient Compression GC)的Adam优化算法(Adam-GC)来提高YOLO(You Only Look Once) v4算法的训练速度、检测精度以及网络模型的泛化能力。为验证本文提出算法的有效性,对实际路况的车流进行采集后,利用训练完成的网络模型对不同密度车流进行定量的车型检测实验验证。经实验验证,改进后方法的整体检测结果要优于改进前,YOLO v4和YOLO v4-GC-CD训练得到的网络模型在阻塞流样本下检测得到的准确率分别为94.59%和96.46%;在同步流样本下检测得到的准确率分别为95.34%和97.20%;在自由流样本下检测得到的准确率分别为95.98%和97.88%。
  • 加载中
计量
  • 文章访问数:  112
  • HTML全文浏览量:  42
  • 被引次数: 0
出版历程
  • 网络出版日期:  2021-02-26

目录

    /

    返回文章
    返回