改进YOLOv4-tiny模型的交通图像目标检测

作者：王竣生

来源：福建电脑, 2022, 38(11): 13-18.

DOI：10.16707/j.cnki.fjpc.2022.11.003

• YOLOv4-tiny
• 移动翻转瓶颈卷积
• 空间金字塔池化

道路交通中的实时智能安全监控系统拥有着海量图像数据源。数据源中具有不同路况、不同天气、多类别车型和多种分辨率的道路交通图像数据。针对该类图像，本文提出了一种基于YOLOv4-tiny的轻量级目标检测模型，以快速捕捉目标车辆的行驶信息。首先，采用移动翻转瓶颈卷积对骨干结构进行优化，有助于实现更好的内存效率；其次，在模型的颈部网络中使用改进的空间金字塔池化结构，将多尺度的局部特征连接在同一卷积层中，从而增加局部区域特征图的接受域；最后，在网络中添加一个尺度层，将顶层的特征图合并，获得细粒度的特征，提高了检测精度，特别是对小目标的检测。实验结果表明，与以往模型相比，该模型结构具有较高的精确度，需要的存储空间最小，能够高效检测并提取空间内的目标信息，实现智能监控。

• 出版日期2022
• 单位六盘水师范学院