科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对自动驾驶车辆真实行驶场景下因环境复杂，车辆间目标遮挡、环境背景遮挡等导致的车辆检测误检、漏检和定位不准的问题，本文提出了一个改进YOLOv4模型的车辆检测算法。该算法在YOLOv4网络的Backbone与Neck的通道处以及Neck的上采样与下采样处分别添加7处CBAM注意力机制，以提升网络提取有效特征的能力。并利用k-means聚类算法生成适合数据集的锚框。为检验模型的有效性，对数据集进行重新整理与划分，将与车辆无关的种类删去，将Car、Bus、Truck三类合并为Vehicle一类，随后进行实验，并与当前主流的其他目标检测模型进行对比。实验证明，改进的YOLOv4算法比原算法AP提升了4.8%,准确率提升了4.54%,召回率提高了0.9%,优于大部分主流算法。提出的模型为复杂环境下自动驾驶领域的车辆识别提供了有效方法。
- 出版日期2022
- 单位西南林业大学
