科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对现有的电梯内电动车检测算法参数量较多，难以在边缘设备上部署等问题，提出一种改进YOLOv3的电梯内电动车检测算法。使用轻量化网络MobileNetV2作为YOLOv3的骨干网络，减少模型的计算量和参数量；在YOLOv3中引入CA注意力模块，提高模型的检测精度；将损失函数中的MSE替换为CIOU，增强精准定位效果。改进后的YOLOMAC在电梯内电动车数据集上检测精度与YOLOv3相近，参数量减少63.8%，检测速度提升7.2帧/秒，更适合部署于边缘设备上。
- 出版日期2023
- 单位浙江理工大学
