基于深度学习的目标检测算法研究OA
为全面识别并检测摄像头拍摄的在城市道路上的车辆目标,本文提出一种基于YOLOv7的改进模型C-YOLOv7.在头部网络末端加入注意力机制模块,提高模型检测准确率.为减少YOLOv7算法的参数量,降低计算的复杂度,对改进后的模型进行剪枝轻量化.试验结果表示,与原模型相比,改进后的模型的平均精度(Average Precision,AP)、精度和召回率均有提高,与C-YOLOv7模型相比,轻量化后的模型的传输帧数增加,推理延迟和参数量减少.改进后的模型能够提高车辆检测的准确度,节省存储空间,在交通安全与管理领域发挥更大作用.
曹斯茹;金可艺;陈惠妹
沈阳理工大学信息科学与工程学院,辽宁 沈阳 110159沈阳理工大学信息科学与工程学院,辽宁 沈阳 110159沈阳理工大学信息科学与工程学院,辽宁 沈阳 110159
计算机与自动化
深度学习目标检测注意力机制轻量化
《中国新技术新产品》 2025 (1)
1-3,3
辽宁省自然科学基金面上项目"基于轨迹大数据的短时交通流预测技术研究"(项目编号:2022-MS-276).
评论